[发明专利]一种基于内容检索相同或相似图像的方法与系统

权利要求书

1.一种基于内容检索相同或相似图像的方法，其特征在于，包含：

对图像进行去重处理后，利用卷积神经网络模型提取所述图像的特定层的全连接特征向量；

对提取的所述特定层的全连接特征向量进行降维，并将降维后的特征向量与所述图像的标识符及属性信息相关联，降维后的特征向量的每一维度为整数；

将降维后的特征向量及图像的标识符在分布式的检索集群中建立索引，并批量插入所述图像的数据信息，其中所述数据信息包括所述降维后的特征向量、所述图像的标识符及属性信息；

通过对所述降维后的特征向量在所述分布式的检索集群中进行相似度量，将满足预定阈值的图像确定为相同或相似图像，包括：将降维后的特征向量的每一个维度的权重设为同一整数，并与所述分布式的检索集群中的特征向量进行比较，以计算所述降维后的特征向量与所述分布式的检索集群中的特征向量之间的汉明距离得分，所述得分在所述预定阈值之上的图像认为是所要查询图像的相同图像，否则为所要查询图像的相似图像。

2.根据权利要求1所述的方法，其特征在于，将降维后的特征向量及图像的标识符在分布式的检索集群中建立索引的步骤包括：

对降维后的特征向量的每一项都采用整数建立索引；

对图像的标识符采用不分词的方式直接建立索引。

3.根据权利要求1所述的方法，其特征在于，将降维后的特征向量及图像的标识符在分布式的检索集群中建立索引的步骤之后，还包括：

将图像的属性信息只进行存储而不建立索引。

4.根据权利要求1所述的方法，其特征在于，批量插入所述图像的数据信息包括：

按照图像类型批量插入所述图像的数据信息。

5.根据权利要求1所述的方法，其特征在于，所述索引为倒排索引。

6.根据权利要求1所述的方法，其特征在于，所述权重是1，并且所述预定阈值为降维后特征向量维度的95％。

7.一种基于内容检索相同或相似图像的系统，其特征在于，包括：

特征提取模块，用于对图像进行去重处理后，利用卷积神经网络模型提取图像的特定层的全连接特征向量；

特征降维模块，用于对提取的所述特定层的全连接特征向量进行降维，并将降维后的特征向量与所述图像的标识符及属性信息相关联，降维后的特征向量的每一维度为整数；

特征入库模块，用于将降维后的特征向量及图像的标识符在分布式的检索集群中建立索引，并批量插入所述图像的数据信息，其中所述数据信息包括所述降维后的特征向量、所述图像的标识符及属性信息；

特征查询模块，用于通过对所述降维后的特征向量在所述分布式的检索集群中进行相似度量，将满足预定阈值的图像确定为相同或相似图像，包括：将降维后的特征向量的每一个维度的权重设为同一整数，并与所述分布式的检索集群中的特征向量进行比较，以计算所述降维后的特征向量与所述分布式的检索集群中的特征向量之间的汉明距离得分，所述得分在所述预定阈值之上的图像认为是所要查询图像的相同图像，否则为所要查询图像的相似图像。

8.根据权利要求7所述的系统，其特征在于，所述特征入库模块还用于：

对降维后的特征向量的每一项都采用整数建立索引；

对图像的标识符采用不分词的方式直接建立索引。

9.根据权利要求7所述的系统，其特征在于，所述特征入库模块在将降维后的特征向量及图像的标识符在分布式的检索集群中建立索引之后，还用于：

将图像的属性信息只进行存储而不建立索引。

10.根据权利要求7所述的系统，其特征在于，所述特征入库模块还用于：

按照图像类型批量插入所述图像的数据信息。

11.根据权利要求7所述的系统，其特征在于，所述索引为倒排索引。