[發明專利]一種基于深度學習的矢量圖檢索方法及系統

在審

• 申請號: 202110738120.1
• 申請日: 2021-06-30
• 公開（公告）號: CN113392250A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 田輝;魯國鋒
• 申請（專利權）人: 合肥高維數據技術有限公司
• 主分類號: G06F16/56
• 分類號: G06F16/56;G06F16/583;G06F16/51;G06N3/04;G06N3/08
• 代理公司: 北京知聯天下知識產權代理事務所(普通合伙) 11594
• 代理人: 史光偉;張迎新

本發明公開了一種基于深度學習的矢量圖檢索方法及系統，該檢索方法包括步驟：基于目標矢量圖生成與所述目標矢量圖一一對應的目標位圖；對所述目標矢量圖和所述目標位圖進行組合以形成帶有標識符的多個文件流；基于深度學習獲取所述目標位圖以及待檢索圖像的特征信息；對比所述目標位圖和所述待檢索圖像的特征信息，從所述目標位圖中初步篩選出與所述待檢索圖像相關的多個目標圖像；根據矢量圖和位圖的特征差異，對所述目標圖像進行相關度排序。本發明減少用戶矢量圖重復繪制，無需訓練模型，可以快速部署，達到客戶在較短時間內利用位圖能夠準確檢索到服務端矢量圖并下載至客戶端的效果。

技術領域

本發明屬于圖像檢索領域，特別涉及一種基于深度學習的矢量圖檢索方法及系統。

背景技術

目前主流的圖像檢索方法是利用卷積神經網絡提取圖片特征，利用度量學習方法如歐式距離對圖片特征進行計算距離，對圖片距離進行排序，得到初級檢索結果，再根據圖片數據的上下文信息和流形結構對圖像檢索結果進行重排序，從而提高圖像檢索準確率，得到最終的檢索結果。

此類方法在檢索矢量圖時的缺陷是：

1、耗時長：重排序過程增加了額外的處理時間；

2、檢索準確率差：對于類內差異小的相同類別圖像(機械制圖等)檢索，以及矢量圖與位圖在線條粗細、位置偏移、噪聲、縮放等方面有較大差異時，直接采用該方法是很難獲取感興趣的目標圖像；

3、標注難：矢量圖分類難。

發明內容

針對上述問題，本發明采用的技術方案是：一種基于深度學習的矢量圖檢索方法，所述檢索方法包括以下步驟：

基于目標矢量圖生成與所述目標矢量圖一一對應的目標位圖；

對所述目標矢量圖和所述目標位圖進行組合以形成帶有標識符的多個文件流；

基于深度學習獲取所述目標位圖以及待檢索圖像的特征信息；

對比所述目標位圖和所述待檢索圖像的特征信息，從所述目標位圖中初步篩選出與所述待檢索圖像相關的多個目標圖像；

根據矢量圖和位圖的特征差異，對所述目標圖像進行相關度排序；

基于標識符從所述文件流中檢索獲取與所述目標圖像對應的所述目標矢量圖。

可選地，所述檢索方法還包括步驟：創建特征庫；

在獲取所述目標位圖的特征信息的步驟之后，將所述目標位圖的特征信息傳入所述特征庫；

在對比所述目標位圖和所述待檢索圖像的特征信息的步驟中，具體為：基于余弦距離對所述待檢索圖像的特征信息和所述特征庫內的特征信息進行計算，從所述目標位圖中初步篩選出與所述待檢索圖像相關的多個目標圖像。

可選地，在對所述目標圖像進行相關度排序的步驟中，具體為：

基于所述待檢索圖像對每個所述目標圖像分別進行哈希編碼；

基于哈希編碼結果對所述目標圖像通過漢明距離進行相關度排序。

可選地，矢量圖與位圖的特征差異包括線條粗細、位置偏移、噪聲、縮放中的一項或多項差異信息。

可選地，每一所述文件流的屬性均包括文件信息、目標矢量圖和對應的目標位圖的字節信息，所述文件信息包括識別號、名稱、大小。

可選地，在對所述目標矢量圖和所述目標位圖進行組合以形成帶有標識符的文件流的步驟之后，還包括步驟：將所述文件流通過通信框架傳入服務器，并以字節數組的形式存儲于數據庫。

以及，一種基于深度學習的矢量圖檢索系統，所述檢索系統包括：