[發(fā)明專利]一種面向移動端實例級圖像檢索方法及裝置

在審

• 申請?zhí)枺?/td>: 202210010672.5
• 申請日: 2022-01-06
• 公開（公告）號: CN114357219A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 白琮;張曉青;陳勝勇
• 申請（專利權(quán)）人: 浙江工業(yè)大學
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06F16/583;G06V10/74;G06K9/62;G06N3/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 忻明年

1.一種面向移動端實例級圖像檢索方法，其特征在于，所述面向移動端實例級圖像檢索方法，包括：

構(gòu)建并訓練輕量級神經(jīng)網(wǎng)絡(luò)分類模型，所述輕量級神經(jīng)網(wǎng)絡(luò)分類模型包括嵌入層、卷積注意力模塊、七個瓶頸塊、全連接層、卷積注意力模塊、池化層和分類器；

將所述輕量級神經(jīng)網(wǎng)絡(luò)分類模型最后一層分類器去除后作為特征提取器，采用特征提取器提取待檢索圖像的圖片特征，計算待檢索圖像的圖片特征與檢索數(shù)據(jù)集圖像的圖片特征的歐式距離，輸出最小歐式距離對應的檢索數(shù)據(jù)集圖像。

2.根據(jù)權(quán)利要求1所述的面向移動端實例級圖像檢索方法，其特征在于，所述瓶頸塊包括：第一分組卷積層、通道混洗操作層、深度卷積層、第二分組卷積層和卷積注意力模塊。

3.根據(jù)權(quán)利要求2所述的面向移動端實例級圖像檢索方法，其特征在于，所述第一分組卷積層包括分組卷積、批歸一化層和激活函數(shù)。

4.根據(jù)權(quán)利要求2所述的面向移動端實例級圖像檢索方法，其特征在于，所述第二分組卷積層包括分組卷積和批歸一化層。

5.根據(jù)權(quán)利要求1所述的面向移動端實例級圖像檢索方法，其特征在于，所述池化層為二元自適應均值池化層。

6.一種面向移動端實例級圖像檢索裝置，應用于移動終端，包括處理器以及存儲有若干計算機指令的存儲器，其特征在于，所述計算機指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至權(quán)利要求5中任意一項所述方法的步驟。