[發(fā)明專利]圖像檢索方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010596085.X
• 申請(qǐng)日: 2020-06-28
• 公開(kāi)（公告）號(hào): CN113849679A
• 公開(kāi)（公告）日: 2021-12-28
• 發(fā)明（設(shè)計(jì)）人: 張宇;孔改捧
• 申請(qǐng)（專利權(quán)）人: 京東科技控股股份有限公司
• 主分類號(hào): G06F16/583
• 分類號(hào): G06F16/583;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張娜;劉芳

1.一種圖像檢索方法，其特征在于，包括：

獲取待檢索圖像；

利用預(yù)設(shè)的多個(gè)樣本圖像，對(duì)所述待檢索圖像進(jìn)行全局特征檢索，獲得符合預(yù)設(shè)相似度參數(shù)的多個(gè)備選圖像，其中，所述備選圖像的數(shù)量小于所述樣本圖像的數(shù)量；

利用所述多個(gè)備選圖像，對(duì)所述待檢索圖像進(jìn)行局部特征檢索，確定與所述待檢索圖像相似度最高的目標(biāo)圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用預(yù)設(shè)的多個(gè)樣本圖像，對(duì)所述待檢索圖像進(jìn)行全局特征檢索，獲得符合預(yù)設(shè)相似度參數(shù)的多個(gè)備選圖像，包括：

通過(guò)訓(xùn)練至收斂的神經(jīng)網(wǎng)絡(luò)對(duì)所述待檢索圖像和所述樣本圖像分別進(jìn)行全局特征提取，得到與所述待檢索圖像對(duì)應(yīng)的第一全局特征和與所述樣本圖像對(duì)應(yīng)的第二全局特征；

將所述多個(gè)第二全局特征分別與所述第一全局特征進(jìn)行相似度比較，得到多個(gè)全局相似值，其中，多個(gè)全局相似值與多個(gè)樣本圖像一一對(duì)應(yīng)；

根據(jù)所述多個(gè)全局相似值，將所述多個(gè)樣本圖像中匹配所述相似度參數(shù)的部分圖像確定為所述備選圖像。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述相似度參數(shù)包括權(quán)重閾值，根據(jù)所述多個(gè)全局相似值，將所述多個(gè)樣本圖像中匹配所述相似度參數(shù)的部分圖像確定為所述備選圖像，包括：

對(duì)所述多個(gè)全局相似值進(jìn)行歸一化處理，獲得多個(gè)權(quán)重值，其中，所述多個(gè)權(quán)重值與所述多個(gè)樣本圖像一一對(duì)應(yīng)；

將大于所述權(quán)重閾值的權(quán)重值對(duì)應(yīng)的樣本圖像，確定為所述備選圖像。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過(guò)訓(xùn)練至收斂神經(jīng)網(wǎng)絡(luò)對(duì)所述待檢索圖像和所述樣本圖像分別進(jìn)行全局特征提取，得到與所述待檢索圖像對(duì)應(yīng)的第一全局特征和與所述樣本圖像對(duì)應(yīng)的第二全局特征，包括：

將所述待檢索圖像和所述樣本圖像分別輸入經(jīng)過(guò)遷移訓(xùn)練的AlexNet神經(jīng)網(wǎng)絡(luò)，進(jìn)行特征提取，得到檢索圖像特征和樣本圖像特征；

對(duì)所述檢索圖像特征和所述樣本圖像特征進(jìn)行特征降維和歸一化處理，得到所述第一全局特征和所述第二全局特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用所述多個(gè)備選圖像，對(duì)所述待檢索圖像進(jìn)行局部特征檢索，確定與所述待檢索圖像相似度最高的目標(biāo)圖像，包括：

通過(guò)尺度不變特征變換算法對(duì)所述待檢索圖像和所述多個(gè)備選圖像分別進(jìn)行局部特征提取，得到與所述待檢索圖像對(duì)應(yīng)的多個(gè)第一局部特征和與所述樣本圖像對(duì)應(yīng)的多個(gè)第二局部特征；

將所述多個(gè)第一局部特征分別與各所述備選圖像的多個(gè)第二局部特征進(jìn)行相似度比較，得到多個(gè)局部相似值，其中，多個(gè)局部相似值與所述備選圖像一一對(duì)應(yīng)；

根據(jù)所述多個(gè)局部相似值，或所述多個(gè)局部相似值和所述多個(gè)全局相似值，確定所述目標(biāo)圖像。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，將所述多個(gè)第一局部特征分別與各所述備選圖像的多個(gè)第二局部特征進(jìn)行相似度比較，得到多個(gè)局部相似值，包括：

根據(jù)預(yù)設(shè)的權(quán)重參數(shù)，確定所述多個(gè)第一局部特征中的第一關(guān)鍵局部特征；

將所述第一關(guān)鍵局部特征分別與各備選圖像對(duì)應(yīng)的第二局部特征進(jìn)行相似度比較，得到各備選圖像對(duì)應(yīng)的局部相似值。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，將所述第一關(guān)鍵局部特征分別與各備選圖像對(duì)應(yīng)的第二局部特征進(jìn)行相似度比較，得到各備選圖像對(duì)應(yīng)的局部相似值，包括：

基于詞袋模型確定所述各第二局部特征中與所述第一關(guān)鍵局部特征相匹配的第二關(guān)鍵局部特征；

根據(jù)詞頻逆文檔頻率算法計(jì)算所述第一關(guān)鍵局部特征與所述第二關(guān)鍵局部特征的相似值，得到各備選圖像對(duì)應(yīng)的局部相似值。

8.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)所述多個(gè)局部相似值，確定所述目標(biāo)圖像，包括：

將最大的所述局部相似值對(duì)應(yīng)的備選圖像，確定為所述目標(biāo)圖像。