[發明專利]圖像相似度計算方法、計算裝置及存儲介質

有效

• 申請號: 201910706688.8
• 申請日: 2019-08-01
• 公開（公告）號: CN112308102B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 向宇;陳柯錦;彭守業
• 申請（專利權）人: 北京易真學思教育科技有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/80;G06K9/62
• 代理公司: 北京合智同創知識產權代理有限公司 11545
• 代理人: 李杰

1.一種圖像相似度計算方法，其特征在于，包括：

將第一圖像和第二圖像分別輸入到特征提取網絡，所述特征提取網絡的每一層輸出對應于所述第一圖像的第一特征矩陣和對應于所述第二圖像的第二特征矩陣；

將每一層輸出對應的所述第一特征矩陣和所述第二特征矩陣進行差分，得到多個特征差分矩陣；

將所述多個特征差分矩陣進行融合得到融合矩陣；

根據所述融合矩陣計算所述第一圖像與所述第二圖像之間的相似度。

2.根據權利要求1所述的方法，其特征在于，將所述多個特征差分矩陣進行融合得到融合矩陣，包括：

將所述多個特征差分矩陣進行加權求和，得到所述融合矩陣。

3.根據權利要求2所述的方法，其特征在于，

所述多個特征差分矩陣的權值之和為1，其中，所述權值通過指數形式來表示。

4.根據權利要求2所述的方法，其特征在于，所述多個特征差分矩陣的權值通過具有以下性質的函數來定義：首先在第一取值范圍為所述多個特征差分矩陣定義初始權值，然后通過一個函數將初始權值映射到(a,b)，同時保證所述一個函數在第一取值范圍單調遞增，其中，(a,b)可作為所述多個特征差分矩陣的權值范圍，并且0＜a＜b。

5.根據權利要求1所述的方法，其特征在于，將所述多個特征差分矩陣進行融合得到融合矩陣，包括：

對所述多個特征差分矩陣進行池化得到至少一個池化后的特征差分矩陣；

將所述至少一個池化后的特征差分矩陣進行融合得到所述融合矩陣。

6.根據權利要求1所述的方法，其特征在于，根據所述融合矩陣計算所述第一圖像與所述第二圖像之間的相似度，包括：

將所述融合矩陣輸入到單層線性神經網絡或多層神經網絡，計算得到所述第一圖像與所述第二圖像之間的相似度。

7.根據權利要求1所述的方法，其特征在于，根據所述融合矩陣計算所述第一圖像與所述第二圖像之間的相似度，包括：

將所述融合矩陣輸入到激活函數計算得到輸出矩陣；

根據所述輸出矩陣計算所述第一圖像與所述第二圖像之間的相似度。

8.一種圖像相似度計算裝置，其特征在于，包括：特征提取模塊、差分計算模塊、融合模塊以及相似度模塊；

其中，所述特征提取模塊包括特征提取網絡，其中，所述特征提取網絡分別接收第一圖像和第二圖像，并且所述特征提取網絡的每一層輸出對應于所述第一圖像的第一特征矩陣和對應于所述第二圖像的第二特征矩陣；

所述差分計算模塊，用于將每一層輸出對應的所述第一特征矩陣和所述第二特征矩陣進行差分，得到多個特征差分矩陣；

所述融合模塊，用于將所述多個特征差分矩陣進行融合得到融合矩陣；

所述相似度模塊，用于根據所述融合矩陣計算所述第一圖像與所述第二圖像之間的相似度。

9.根據權利要求8所述的裝置，其特征在于，

所述融合模塊，用于將所述多個特征差分矩陣進行加權求和，得到所述融合矩陣。

10.根據權利要求9所述的裝置，其特征在于，

所述多個特征差分矩陣的權值之和為1，其中，所述權值通過指數形式來表示。

11.根據權利要求9所述的裝置，其特征在于，所述多個特征差分矩陣的權值通過具有以下性質的函數來定義：首先在第一取值范圍為所述多個特征差分矩陣定義初始權值，然后通過一個函數將初始權值映射到(a,b)，同時保證所述一個函數在第一取值范圍單調遞增，其中，(a,b)可作為所述多個特征差分矩陣的權值范圍，并且0＜a＜b。