[发明专利]一种图像检索方法及装置

权利要求书

1.一种图像检索方法，其特征在于，包括：

获取用于训练深度神经网络模型的训练图像对，通过深度神经网络模型获取所述训练图像对中的第一训练图像的第一深度特征和第二训练图像的第二深度特征；

计算所述第一深度特征和所述第二深度特征的特征距离的平方值；

获取鲁棒对比损失函数的输出控制参数，并计算所述输出控制参数的平方值；

判断所述第一训练图像和所述第二训练图像是否是相同物品的两张不同拍摄场景图像；

若所述第一训练图像和所述第二训练图像是相同物品的两张不同拍摄场景图像，则从所述输出控制参数的平方值和所述特征距离的平方值中选取较小值，并将选取的所述较小值确定为所述鲁棒对比损失函数的输出值；

根据所述鲁棒对比损失函数的输出值对应的调整规则调整所述深度神经网络模型的网络参数，以得到修正后的深度神经网络模型；

获取检索匹配图像，并通过所述修正后的深度神经网络模型从图像数据库中查找满足所述检索匹配图像对应的匹配规则的目标图像。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

若所述第一训练图像和所述第二训练图像不是相同物品的两张不同拍摄场景图像，则判断所述第一训练图像和所述第二训练图像是否是不同物品的两张图像；

若所述第一训练图像和所述第二训练图像是不同物品的两张图像，则计算所述输出控制参数的平方值和所述特征距离的平方值的差值，从所述差值和零中选取较大值，并将选取的所述较大值确定为所述鲁棒对比损失函数的输出值。

3.如权利要求1所述的方法，其特征在于，所述通过所述修正后的深度神经网络模型从图像数据库中查找满足所述检索匹配图像对应的匹配规则的目标图像包括：

将所述检索匹配图像输入所述修正后的深度神经网络模型，通过所述修正后的深度神经网络模型获取所述检索匹配图像的深度特征；

将图像数据库中包含的至少一张待检索图像输入所述修正后的深度神经网络模型，通过所述修正后的深度神经网络模型获取每张所述待检索图像的深度特征；

从所有所述待检索图像的深度特征中选取与所述检索匹配图像的深度特征的特征距离满足预设距离阈值的目标深度特征，并将所述目标深度特征对应的待检索图像确定为目标图像。

4.如权利要求1所述的方法，其特征在于，所述通过所述修正后的深度神经网络模型从图像数据库中查找满足所述检索匹配图像对应的匹配规则的目标图像包括：

将所述检索匹配图像输入所述修正后的深度神经网络模型，通过所述修正后的深度神经网络模型获取所述检索匹配图像的深度特征；

将图像数据库中包含的至少一张待检索图像输入所述修正后的深度神经网络模型，通过所述修正后的深度神经网络模型获取每张所述待检索图像的深度特征；

从所有所述待检索图像的深度特征中选取与所述检索匹配图像的深度特征的特征距离满足预设距离阈值的目标深度特征，并将所述目标深度特征对应的待检索图像确定为目标图像。

5.如权利要求3所述的方法，其特征在于，若所述目标图像多于一个，则所述将所述目标深度特征对应的待检索图像确定为目标图像之后，所述方法还包括：

根据每个所述目标图像的深度特征与所述检索匹配图像的深度特征的特征距离从小到大的顺序将多于一个的所述目标图像进行排序输出。

6.如权利要求4所述的方法，其特征在于，若所述目标图像多于一个，则所述将所述目标深度特征对应的待检索图像确定为目标图像之后，所述方法还包括：

根据每个所述目标图像的深度特征与所述检索匹配图像的深度特征的特征距离从小到大的顺序将多于一个的所述目标图像进行排序输出。

7.如权利要求1-6任一项所述的方法，其特征在于，所述深度特征的特征距离包括：所述深度特征的欧式距离，或者所述深度特征的余弦距离。