[發明專利]基于卷積神經網絡的圖片的相似度檢測方法及其相關設備

在審

• 申請號: 202010924006.3
• 申請日: 2020-09-04
• 公開（公告）號: CN112036501A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 徐國誠
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F16/55
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，包括下述步驟：

基于預設的數據集對預設的卷積神經網絡進行分類訓練，生成圖片分類模型；

接收至少兩張圖片，將各圖片分別輸入所述圖片分類模型中，分別獲取所述圖片分類模型輸出的值，生成各圖片的圖片特征；

識別圖片的數量，根據圖片的數量選擇預設的矩陣和計算方式，并將所述圖片特征轉化為矩陣，根據所述計算方式對所述矩陣進行計算，獲得圖片相似度。

2.根據權利要求1所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，所述識別圖片的數量，根據圖片的數量選擇預設的矩陣和計算方式，并將所述圖片特征轉化為矩陣，根據所述計算方式對所述矩陣進行計算，獲得圖片相似度的步驟包括：

識別圖片的數量，當圖片的數量等于2時，分別將各圖片的圖片特征轉化為對應的特征矩陣；

將兩張圖片對應的特征矩陣相減，生成第一結果矩陣，并識別所述第一結果矩陣是否為全0矩陣；

若所述第一結果矩陣為全0矩陣，則確定兩張圖片為最相似圖片；

若所述第一結果矩陣為非全0矩陣，則將所述結果矩陣中的每一個數值的絕對值相加，獲得圖片相似度。

3.根據權利要求1所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，識別圖片的數量，根據圖片的數量選擇預設的矩陣和計算方式，并將所述圖片特征轉化為矩陣，根據所述計算方式對所述矩陣進行計算，獲得圖片相似度的步驟包括：

識別圖片的數量，當圖片的數量大于2時，根據用戶的選擇從所述圖片中確定對比圖片，將剩余的圖片作為圖片集群，并將所述對比圖片的圖片特征轉化為對比矩陣，將所述圖片集群中所有圖片的圖片特征轉化為集群矩陣；

使用集群矩陣減對比矩陣，獲得第二結果矩陣，并將所述第二結果矩陣中每一行數值的絕對值相加，獲得第三結果矩陣；

提取所述第三結果矩陣中數值最小的前N個值的索引，根據所述索引確定對應的圖片，作為與所述對比圖片最相似的圖片；

將所述第三結果矩陣中數值最小的前N個值分別作為最相似圖片與對比圖片之間的相似度。

4.根據權利要求3所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，所述提取所述第三結果矩陣中數值最小的前N個值的索引的步驟包括：

使用np.argsort()算法提取所述第三結果矩陣中最小的前N個值的索引。

5.根據權利要求1所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，識別圖片的數量，根據圖片的數量選擇預設的矩陣和計算方式，并將所述圖片特征轉化為矩陣，根據所述計算方式對所述矩陣進行計算，獲得圖片相似度的步驟包括：

識別圖片的數量，當圖片的數量大于2時，將所有圖片對應的圖片特征轉化為全局矩陣；

將所述全局矩陣中每一行數值的絕對值相加，獲得第四結果矩陣，并對所述第四結果矩陣進行降序排序，獲得第五結果矩陣；

將所述第五結果矩陣中任意相鄰數值的索引對應的圖片，作為最相似圖片，并將對應的數值之差的絕對值作為最相似圖片的相似度。

6.根據權利要求1所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，所述接收至少兩張圖片，將各圖片分別輸入所述圖片分類模型中，分別獲取所述圖片分類模型輸出的值，生成各圖片的圖片特征的步驟包括：

接收至少兩張圖片，分別對各圖片進行尺寸調整，生成中間圖片；

將所述中間圖片分別輸入所述圖片分類模型中；

分別獲取所述圖片分類模型的輸出的FC1000全連接層的值，作為各圖片的初始特征；

降低所述初始特征的精度，生成各圖片的圖片特征。

7.根據權利要求1所述的基于卷積神經網絡的圖片的相似度檢測方法，其特征在于，所述基于預設的數據集對預設的卷積神經網絡進行分類訓練，生成圖片分類模型的步驟包括：

基于Image Net數據集對卷積神經網絡VGG16進行分類訓練，生成圖片分類模型。