[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，包括如下步骤：

构建多任务深度网络结构模型；

建立目标图像特征库；

输入待检索图像的特征子集；

计算所述待检索图像的特征子集与所述图像特征库中每张图像特征的相似度距离；

按照所述距离从小到大的排序排列后获取与所述待检索图像距离最小的图像。

2.根据权利要求1所述的方法，其特征在于，所述构建多任务深度网络结构模型，包括：

确定目标图像的属性类别以及与所述属性类别对应的训练图像子集；

输入多个属性任务数据；

共享相关所述任务数据资源；

根据所述多个属性任务，确定对应的损失函数；

根据256维深度特征描述，获取目标图像的第一特征子集。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个属性任务，确定对应的损失函数的步骤；包括：

公式Lt＝-(1-t)*㏒(1-Pt)-t*㏒(pt)；

其中t表示某一学习任务中学习到的标签是否与真实标签相等，相等则t＝1,不相等t＝0；Pt表示学习输出为所述真实标签的概率。

4.根据权利要求1所述的方法，其特征在于，所述建立目标图像特征库，包括：

提取sift描述图像的第二特征子集；

提取lbp描述图像的第三特征子集；

根据所述第二特征子集、第三特征子集，获取传统描述图像的第四特征子集；

获取单张目标图像的第五特征子集。

5.根据权利要求2或4所述的方法，其特征在于，所述第四特征子集包括第二特征子集和第三特征子集，第五特征子集包括第一特征子集、第二特征子集和第三特征子集。

6.根据权利要求1或4所述的方法，其特征在于，所述目标特征库为包含多个待检索的具有所述第五特征子集的目标图像。

7.根据权利要求1所述的方法，其特征在于，所述输入待检索图像的特征子集利用所述构建多任务深度网络结构模型的步骤提取图像。

8.根据权利要求1所述的方法，其特征在于，计算所述待检索图像的特征子集与所述图像特征库中每张图像的相似度距离，包括：

公式Dis＝0.75*d(d)+0.125*d(s)+0.125*d(l)；

其中，d(d)表示所述待检索图像的特征子集与所述第一特征子集的距离；d(s)表示所述待检索图像的特征子集与所述第二特征子集的距离；

d(l)表示所述待检索图像的特征子集与所述第三特征子集的距离；

Dis表示最终的相似度距离。

9.一种图像检索装置，其特征在于，包括如下单元：

构建单元，用于构建多任务深度网络结构模型；

建立单元，用于建立目标图像特征库；

输入单元，用于输入待检索图像的特征子集；

计算单元，用于计算所述待检索图像的特征子集与所述图像特征库中每张图像特征的相似度距离；

获取单元，按照所述距离从小到大的排序排列后获取与所述待检索图像距离最小的图像。

10.根据权利要求9所述的装置，其特征在于，所述构建单元，包括：

第一确定模块，用于确定目标图像的属性类别以及与所述属性类别对应的训练图像子集；

输入模块，用于输入多个属性任务数据；

共享模块，用于共享相关所述任务数据资源；

第二确定模块，用于根据所述多个属性任务，确定对应的损失函数；

第一获取模块，用于根据256维深度特征描述，获取目标图像的第一特征子集。

11.根据权利要求10所述的装置，其特征在于，所述第二确定模块；包括：

公式Lt＝-(1-t)*㏒(1-Pt)-t*㏒(pt)；

其中t表示某一学习任务中学习到的标签是否与真实标签相等，相等则t＝1,不相等t＝0；Pt表示学习输出为所述真实标签的概率。