[發明專利]用于去除同源圖片的方法、裝置及服務器

有效

• 申請號: 202010573650.0
• 申請日: 2020-06-22
• 公開（公告）號: CN111723868B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 潘威滔
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G06V10/72
• 分類號: G06V10/72;G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06F16/583;G06F16/951
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 陶俊潔

本申請涉及圖像處理技術領域，公開一種用于去除同源圖片的方法，包括：獲取待測圖片和原始圖片；將待測圖片和原始圖片輸入識別模型獲取待測圖片和原始圖片各自對應的第一特征圖；旋轉第一特征圖并獲取旋轉后的第二特征圖；獲取第一特征圖對應的第一向量特征和第二特征圖對應的第二特征向量；將第一特征向量和第二特征向量融合為第三特征向量；在根據待測圖片和原始圖片各自的第三特征向量確定待測圖片為原始圖片的同源圖片的情況下，去除待測圖片。該方法能夠去除通過旋轉方式得到的同源圖片且去除同源圖片的效率高。本申請還公開一種用于去除同源圖片的裝置及服務器。

技術領域

本申請涉及圖像處理技術領域，例如涉及一種用于去除同源圖片的方法、裝置及服務器。

背景技術

隨著互聯網的快速發展，導致一張圖片在經過互聯網的傳播后，不同用戶由于不同的用途，會對圖片進行一些基本的操作，比如把手機拍攝的圖片縮成2寸照片或為了美化效果PS圖片等，使得網絡中出現大量冗余的圖片數據。隨著深度學習技術的不斷發展，模型會需要大量數據作為訓練集輸入模型進行訓練，通常選擇從網絡爬取圖片作為訓練集。從網絡爬取圖片數據作為訓練集的過程中，會出現大量同源圖片。同源圖片對于模型的泛化能力效果提升有限，因此需要去除同源圖片以非同源圖片作為訓練集。

在實現本公開實施例的過程中，發現相關技術中至少存在如下問題：

難以去除通過旋轉方式得到的同源圖片。

發明內容

為了對披露的實施例的一些方面有基本的理解，下面給出了簡單的概括。所述概括不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍，而是作為后面的詳細說明的序言。

本公開實施例提供了一種用于去除同源圖片的方法、裝置及服務器，以便能夠去除通過旋轉方式得到的同源圖片。

在一些實施例中，所述用于去除同源圖片的方法，包括：

獲取待測圖片和原始圖片；

將所述待測圖片和原始圖片輸入識別模型獲取所述待測圖片和原始圖片各自對應的第一特征圖；

旋轉所述第一特征圖并獲取旋轉后的第二特征圖；

獲取所述第一特征圖對應的第一向量特征和所述第二特征圖對應的第二特征向量；

將所述第一特征向量和所述第二特征向量融合為第三特征向量；

在根據所述待測圖片和原始圖片各自的第三特征向量確定所述待測圖片為所述原始圖片的同源圖片的情況下，去除所述待測圖片。

在一些實施例中，所述用于去除同源圖片的裝置包括：包括處理器和存儲有程序指令的存儲器，該處理器被配置為在執行所述程序指令時，執行上述的用于去除同源圖片的方法。

在一些實施例中，所述服務器包括上述的用于去除同源圖片的裝置。

本公開實施例提供的用于去除同源圖片的方法、裝置及服務器，可以實現以下技術效果：通過獲取待測圖片對應的第一特征圖及其旋轉后的第二特征圖，并根據第一特征圖對應的第一特征向量和第二特征圖對應的第二特征向量識別出同源圖片，能夠去除通過旋轉方式得到的同源圖片且去除同源圖片的效率高。同時對于旋轉加其他簡單操作導致的復雜變化有非常高的泛化識別能力，能夠更好的達到同源圖片去重的能力。

以上的總體描述和下文中的描述僅是示例性和解釋性的，不用于限制本申請。

附圖說明

一個或多個實施例通過與之對應的附圖進行示例性說明，這些示例性說明和附圖并不構成對實施例的限定，附圖中具有相同參考數字標號的元件示為類似的元件，附圖不構成比例限制，并且其中：

圖1是本公開實施例提供的一個用于去除同源圖片的方法的示意圖；