[發明專利]圖像檢索方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 201910174727.4
• 申請日: 2019-03-08
• 公開（公告）號: CN109829065B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 張莉;陸鋆;王邦軍;周偉達
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F16/532
• 分類號: G06F16/532;G06F16/58;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明實施例公開了一種圖像檢索方法、裝置、設備及計算機可讀存儲介質。其中，方法包括首先利用卷積層數不同的兩個卷積神經網絡并聯構造雙列卷積哈希映射模型，第一卷積神經網絡與第二卷積神經網絡的池化層數目、池化窗口的大小和步長均相同；該模型包含由第一卷積神經網絡和第二卷積神經網絡的輸出并聯而成的第一全連接層及作為哈希編碼層的第二全連接層。將待檢索圖像利用雙列卷積哈希映射模型映射為待檢索哈希編碼；在哈希編碼庫中查找與待檢索哈希編碼的漢明距離差值滿足預設條件的目標圖像，以作為待檢索圖像在圖像數據庫的檢索結果；哈希編碼庫為將圖像數據庫中每張圖像經雙列卷積哈希映射模型映射后所得。本申請提高圖像檢索的準確率。

技術領域

本發明實施例涉及圖像處理技術領域，特別是涉及一種圖像檢索方法、裝置、設備及計算機可讀存儲介質。

背景技術

近些年來，隨著互聯網的進一步普及和大數據技術的深入應用，每天都會有數以億計的圖像產生。圖像數據資源的集中和規模的增大使得現有技術越來越難以滿足用戶圖像檢索的需求。因此，如何有效地描述圖像的特征信息，采用何種數據結構進行高效索引和快速相似性檢索等問題成為了這個方向的研究熱點。

面對大規模的圖像數據，鑒于二進制編碼具有易于比較與存儲的性質，可以極大的提升相似性檢索的速度并節省更多的計算機資源，故在進行圖像檢索時一般將圖像映射成二進制編碼。

深度學習的出現推動了計算機視覺的發展，也為學習哈希映射方法提供了更有效的工具。相關技術用神經網絡模型映射哈希編碼，然利用圖像的方式訓練深度學習模型，通過損失函數來約束該模型參數，取得了較為不錯的結果。

但是，該方法檢索圖像的準確率不高，尤其是針對比較相似圖像，無法滿足用戶對圖像檢索精度的高要求。鑒于此，如何提升圖像檢索的準確率，是本領域技術人員亟待解決的問題。

發明內容

本公開實施例提供了一種圖像檢索方法、裝置、設備及計算機可讀存儲介質，提高圖像檢索的準確率。

為解決上述技術問題，本發明實施例提供以下技術方案：

本發明實施例一方面提供了一種圖像檢索方法，包括：

利用預先構建的雙列卷積哈希映射模型將待檢索圖像映射為待檢索哈希編碼；

在預先構建的哈希編碼庫中查找與所述待檢索哈希編碼的漢明距離差值滿足預設條件的目標圖像，以作為所述待檢索圖像在圖像數據庫的檢索結果；

其中，所述雙列卷積哈希映射模型為由卷積層數不同的兩個卷積神經網絡組合而成，包含由第一卷積神經網絡和第二卷積神經網絡的輸出并聯而成的第一全連接層及作為哈希編碼層的第二全連接層；所述第一卷積神經網絡與所述第二卷積神經網絡的池化層數目、池化窗口的大小和步長均相同；所述哈希編碼庫為將所述圖像數據庫中每張圖像經所述雙列卷積哈希映射模型映射后所得。

可選的，所述雙列卷積哈希映射模型的訓練過程包括：

以所述圖像數據庫中的圖像對為輸入；

若所述圖像對的標簽類別為相似，則以所述圖像對映射得到的哈希編碼對之間的距離為損失值；若所述圖像對的標簽類別為不相似，則以所述圖像對映射得到的哈希編碼對之間的距離和間隔為損失值；所述標簽類別用于標識所述圖像對中兩張圖像的相似性；

采用機器學習優化算法優化所述損失值以訓練所述雙列卷積哈希映射模型。

可選的，所述雙列卷積哈希映射模型的損失值為：