[发明专利]一种图像检索方法及装置

说明书

本发明实施例公开了一种图像检索方法，包括：通过深度神经网络模型获取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；计算第一深度特征和第二深度特征的特征距离的平方值；计算鲁棒对比损失函数的输出控制参数平方值；若训练图像对是相同物品的两张不同拍摄场景图像，则从输出控制参数的平方值和特征距离的平方值中选取较小值，根据选取的较小值调整深度神经网络模型的网络参数；获取检索匹配图像，并通过修正后的深度神经网络模型从图像数据库中查找满足检索匹配图像对应的匹配规则的目标图像。本发明实施例还公开了一种图像检索装置。采用本发明实施例，具有可提高图像检索的效率，增强图像检索的性能的优点。

技术领域

本发明涉及图像处理领域，尤其涉及一种图像检索方法及装置。

背景技术

物品图像检索是利用物品的视觉信息在物品数据库中检索与该物品语义上相似或者相同的物品，随着电子商务平台的日益发展普及，物品图像检索也随着日益发展重要。

现有技术一通过将从物品图像中提取的不同视觉特征组成新的视觉特征，通过分类器对新的视觉特征进行训练，生成训练好的相似度分类器。物品图像检索时，通过训练好的相似度分类器检索满足相似度需求的图像。现有技术一中假设了相同物品在不同图像上的视觉特征是高度相似的，进而通过视觉特征的相似性来确定物品图像的相似度。然而，由于拍摄场景、拍摄角度以及拍摄装置等条件的不同，这样的假设实现难度高，检索遗漏性高，适用性低。

现有技术二采用神经网络对物品图像检索进行建模，在神经网络分类器的训练过程中，使用物品类别作为标签对神经网络分类器进行训练，在物品图像检索中，通过训练得到的神经网络分类器检索目标。现有技术二只能对物品类别进行分类，无法准确反映两张物品图像中包含的物品是否为相同物品，检索准确率低。

发明内容

本申请提供了一种图像检索方法及装置，可过滤训练数据中的噪音，提高图像检索的效率，增强图像检索的性能。

第一方面，提供了一种图像检索方法，其可包括：

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。