[發明專利]圖像搜索的預測方法、裝置和系統

在審

• 申請號: 202010036600.9
• 申請日: 2020-01-14
• 公開（公告）號: CN113191378A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 張嚴浩;鄭赟;潘攀;徐盈輝;金榕
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/53
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 趙昀彬

本申請公開了一種圖像搜索的預測方法、裝置和系統。其中，該方法包括：利用源域模型進行領域自適應學習，訓練得到目標域模型，其中，源域模型包括：至少兩個網絡模型，網絡模型分別對應不同的商品類別；將待搜索圖像和多個類別商品的樣本集設置為目標域模型的輸入參數，得到與待搜索圖像對應的預測結果。本申請解決了現有技術采用類目預測的方式對圖像進行預測的過程中存在預測不準確的技術問題。

技術領域

本申請涉及圖像檢索領域，具體而言，涉及一種圖像搜索的預測方法、裝置和系統。

背景技術

電子商務平臺是建立在互聯網上進行商務活動的電子平臺，目前，電子商務平臺不僅可以應用在企業的商務洽談方面，還可應用在普通的商品交易方面。以商品交易為例，電子商務平臺具有規模巨大、品類繁多的商品庫，電子商務平臺需要對商品庫中的商品進行管理，通常，電子商務平臺通過圖像檢索的方式對商品庫中的商品進行管理。而圖像特征提取(即圖像向量化)是圖像檢索的第一步，通過高效的特征向量索引即可向電子商務平臺返回同款商品，因此圖像特征向量化的質量決定了整個檢索系統是否能夠檢索成功。

為了提高檢索準確率，現有技術通常針對不同的商品類別采用不同的網絡模型來提取特征，而這些網絡模型結構通常相同，但采用不同類別的數據針對性訓練，因此模型參數不同。例如，圖1示出了現有技術的一種圖像搜索的示意圖，由圖1可知，在現有技術中，在輸入待搜索的圖像之后，對待搜索的圖像先進行CNN(Convolutional Neural Networks，卷積神經網絡)模型的類目預測，以確定對待搜索的圖像進行特征提取的網絡模型，如在圖1中，對待搜索的圖像進行特征提取的網絡模型包括衣服模型、鞋模型、包模型以及其他模型。在確定了網絡模型之后，通過確定的網絡模型對待搜索的圖像進行特征提取，最后基于提取到的特征得到待搜索的圖像對應的搜索結果。

然而，上述方案最終檢索結果依賴于類目預測，如果類目預測的結果出現錯誤，例如，輸入的待搜索的圖像為衣服，但類目預測對應的網絡模型為鞋模型，則在對衣服的待搜索的圖像進行特征提取時，使用鞋模型進行特征提取，得到的特征可能存在不準確的問題，使得對待搜索的圖像的搜索結果存在誤差。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種圖像搜索的預測方法、裝置和系統，以至少解決現有技術采用類目預測的方式對圖像進行預測的過程中存在預測不準確的技術問題。

根據本申請實施例的一個方面，提供了一種圖像搜索的預測方法，包括：利用源域模型進行領域自適應學習，訓練得到目標域模型，其中，源域模型包括：至少兩個網絡模型，網絡模型分別對應不同的商品類別；將待搜索圖像和多個類別商品的樣本集設置為目標域模型的輸入參數，得到與待搜索圖像對應的預測結果。

根據本申請實施例的一個方面，提供了一種圖像搜索的預測方法，包括：獲取待搜索圖像和多個類別商品的樣本集；利用目標域模型對待搜索圖像和多個類別商品的樣本集進行類目預測處理，得到多個備選結果；從多個備選結果中選取待輸出的預測結果；其中，目標域模型是利用源域模型進行領域自適應學習所訓練得到的網絡模型，源域模型包括：至少兩個網絡模型，網絡模型分別對應不同的商品類別。

根據本申請實施例的另一方面，還提供了一種圖像搜索的預測裝置，包括：訓練模塊，用于利用源域模型進行領域自適應學習，訓練得到目標域模型，其中，源域模型包括：至少兩個網絡模型，網絡模型分別對應不同的商品類別；處理模塊，用于將待搜索圖像和多個類別商品的樣本集設置為目標域模型的輸入參數，得到與待搜索圖像對應的預測結果。

根據本申請實施例的一個方面，提供了一種圖像搜索方法，包括：獲取待搜索圖像；將待搜索圖像輸入目標域機器學習模型，其中，目標域機器學習模型至少基于源域機器學習模型訓練生成；通過目標域機器學習模型，獲取待搜索圖像的特征；基于特征，反饋與待搜索圖像對應的圖像搜索結果。