[發明專利]一種圖像檢索方法、系統、設備以及介質

在審

• 申請號: 202011566183.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112632314A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 李寶然
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/55;G06K9/62;G06N3/04
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 張元;李紅蕭

本發明公開了一種圖像檢索方法，包括：構建圖像訓練集以及權值共享的孿生網絡；計算圖像訓練集中的圖像兩兩之間的相關性；將圖像訓練集的不同的圖像分別輸入到孿生網絡中以得到第一編碼向量和第二編碼向量；根據第一編碼向量、第二編碼向量和當前分別輸入到孿生網絡的兩個圖像之間的相關性計算損失函數，以根據損失函數訓練孿生網路并與預設要求對比；響應于經過若干次訓練的孿生網絡的滿足預設要求，利用訓練完成的孿生網絡中的單個網絡結構進行圖像檢索。本發明還公開了一種系統、計算機設備以及可讀存儲介質。本發明提出的方案能夠實現圖像對之間的相關性被快速準確地計算，進而使得整個網絡結構在借助圖像對相關性的基礎上被正確有效地訓練。

技術領域

本發明涉及圖像檢索領域，具體涉及一種圖像檢索方法、系統、設備以及存儲介質。

背景技術

在多標簽圖像的深度哈希技術研究中存在一個關鍵問題，即如何使深度模型獲取并利用多標簽環境中的復雜圖像相關性。在現有的嘗試解決多標簽圖像檢索的算法中，圖像多標簽信息常被簡化，通過共有標簽或共有標簽數量等方式對多標簽圖像間的相似度進行量化，這種簡化的相似度常制約圖像檢索算法的性能，且導致網絡的損失函數在形式上較為復雜。

深度哈希的損失函數設計需要建立編碼漢明距離與數據語義關聯性間的映射關系，對數據語義關聯性的量化，現有技術以排序列表、三元組、二元組技術為主。列表方法能夠提供較為全面的數據相關性信息，但損失函數設計復雜、訓練速度慢，不利于兼顧訓練效率與檢索性能；三元組方法對比數據的關聯性差異，損失函數構造簡單，但難以對數據關聯性進行準確量化，檢索準確率受限；傳統二元組技術能夠以最簡潔的方式構建語義關聯性與漢明距離的聯系，但對語義關聯性的建模較為粗糙，在多標簽、多實體場景下無法準確描述不同數據間語義關聯性的強弱，制約了檢索準確率提升。

發明內容

有鑒于此，為了克服上述問題的至少一個方面，本發明實施例提出一種圖像檢索方法，包括以下步驟：

構建圖像訓練集以及權值共享的孿生網絡；

計算所述圖像訓練集中的圖像兩兩之間的相關性；

將所述圖像訓練集的不同的圖像分別輸入到所述孿生網絡中以得到第一編碼向量和第二編碼向量；

根據所述第一編碼向量、所述第二編碼向量和當前分別輸入到所述孿生網絡的兩個圖像之間的相關性計算損失函數，以根據所述損失函數訓練所述孿生網路并與預設要求對比；

響應于經過若干次訓練的所述孿生網絡的滿足預設要求，利用訓練完成的所述孿生網絡中的單個網絡結構進行圖像檢索。

在一些實施例中，計算所述圖像訓練集中圖像兩兩之間的相關性，進一步包括通過下式計算所述圖像兩兩之間的相關性s：

l_dot＝l₁·l₂

其中，A表示兩個圖像所有共有的標簽的集合，i和j分別是集合A中不同的標簽；B表示兩個圖像除去共有的標簽外的互斥標簽的集合，m和n分別是集合B中不同的標簽；l₁為其中一個圖像的所有的標簽組成的向量；l₂為另一個圖像的所有的標簽組成的向量；w_dot和w_xor分別表示共有標簽和互斥標簽的權重信息，取值范圍為[0，1]；a_i,j或a_m,n是圖像訓練集中同時包含標簽i和j的圖像的數量或同時包含標簽m和n的圖像的數量；a_j或a_n是圖像訓練集中包含標簽j的數量或包含標簽n數量。