[發明專利]圖像特征提取模型的訓練方法和圖像檢索方法

有效

• 申請號: 202010005761.1
• 申請日: 2020-01-03
• 公開（公告）號: CN111242184B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 徐富榮
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/74;G06V10/82;G06K9/62;G06F16/583;G06Q40/08;G06N3/04
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 馮偉

本說明書實施例公開了一種圖像特征提取模型的訓練方法和圖像檢索方法，圖像特征提取模型的訓練方法包括：獲取樣本圖像，以及樣本圖像對應的類型。將樣本圖像輸入圖像特征提取模型，以生成樣本圖像對應的圖像特征。其中，圖像特征提取模型包括卷積神經網絡。根據樣本圖像對應的圖像特征在特征空間中的距離，對卷積神經網絡進行訓練。當相同類型的樣本圖像對應的圖像特征，在特征空間中的位置重合，并且不同類型的樣本圖像對應的圖像特征，在特征空間中均勻分布時，完成對圖像特征提取模型的訓練。由此，使得不同類型的圖像對應的圖像特征，存在較大區別，在進行圖像檢索時，使用該模型進行圖像特征的提取，提升了圖像檢索的準確度。

【技術領域】

本說明書涉及圖像處理技術領域，尤其涉及一種圖像特征提取模型的訓練方法和圖像檢索方法。

【背景技術】

車險理賠是汽車發生交通事故后，車主到保險公司理賠。保險公司的理賠工作人員根據本次交通事故中車輛所受的損傷，確定理賠額度。但是，為了避免車主對同一損傷重復申請理賠，保險公司的理賠工作人員需要對已經進行理賠的損傷進行記錄。

相關技術中，將已經理賠過的車輛照片進行存儲，作為該車輛的理賠記錄。在車主對某個損傷申請理賠時，系統自動檢索該車輛之前的照片，如果檢索到的照片中都沒有該損傷，則可以確定該損傷沒有進行過理賠，以防車主重復申請理賠。

【發明內容】

本說明書實施例旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本說明書實施例的第一個目的在于提出一種圖像特征提取模型的訓練方法，使得不同類型的圖像對應的圖像特征，存在較大區別，在進行圖像檢索時，使用該模型進行圖像特征的提取，提升了圖像檢索的準確度。

本說明書實施例的第二個目的在于提出一種圖像檢索方法。

本說明書實施例的第三個目的在于提出一種圖像特征提取模型的訓練裝置。

本說明書實施例的第四個目的在于提出一種圖像檢索裝置。

本說明書實施例的第五個目的在于提出一種計算機設備。

本說明書實施例的第六個目的在于提出一種計算機設備。

本說明書實施例的第七個目的在于提出一種非臨時性計算機可讀存儲介質。

本說明書實施例的第八個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本說明書第一方面的實施例提出了一種圖像特征提取模型的訓練方法，包括：獲取樣本圖像，以及所述樣本圖像對應的類型；將所述樣本圖像輸入圖像特征提取模型，以生成所述樣本圖像對應的圖像特征；其中，所述圖像特征提取模型包括卷積神經網絡；根據所述樣本圖像對應的圖像特征在特征空間中的距離，對所述卷積神經網絡進行訓練；以及當相同類型的所述樣本圖像對應的圖像特征，在所述特征空間中的位置重合，并且不同類型的所述樣本圖像對應的圖像特征，在所述特征空間中均勻分布時，完成對所述圖像特征提取模型的訓練。

和現有技術相比，本說明書實施例實現了根據樣本圖像對應的圖像特征在特征空間中的距離，對卷積神經網絡進行訓練，使得相同類型的圖像對應的圖像特征，在特征空間中的位置重合，并且不同類型的圖像對應的圖像特征，在特征空間中均勻分布，在進行圖像檢索時，使用該模型進行圖像特征的提取，提升了圖像檢索的準確度。

另外，本說明書實施例的圖像特征提取模型的訓練方法，還具有如下附加的技術特征：

可選地，所述根據所述樣本圖像對應的圖像特征在特征空間中的距離，對所述卷積神經網絡進行訓練，包括：調整所述卷積神經網絡的參數，以減小相同類型的所述樣本圖像對應的圖像特征在所述特征空間中的距離。