[发明专利]一种基于Siamese网络的图像检索方法及系统

说明书

技术领域

本发明涉及图像检索技术领域，更具体地，涉及一种基于Siamese网络的图像检索方法及系统。

背景技术

随着手机、相机等电子设备的日渐普及以及互联网和计算机技术的快速发展，图片和视频数据成爆炸式增长，达到了海量规模。如何有效利用丰富的多媒体资源是大数据时代需要面临的挑战和急需的关键技术。基于内容的图像搜索技术是深度利用和管理海量图片数据的关键技术之一，也是计算机视觉领域和多媒体领域的前沿课题。不仅如此，图像搜索技术在实际生活中也有着重要的应用。目前正在步入安防社会，摄像头已遍布在生活中的各个场所，图像搜索可以在海量的监控视频中查找到特定的目标，比如某辆车、某个人或者某个物体，为警方破案提供关键线索。图像搜索技术也使得日常生活更加智能和便捷，人们可以随时随地拍摄喜欢的衣服或者物品，然后根据图片在网上商城查找相关的商品。因此，图像搜索具有广泛的应用前景。

目前图像搜索多采用基于局部不变特征的词袋模型，该方法虽然能较好的捕捉图像局部的纹理特性，但是对图像的全局信息、语义信息等描述能力较差。此外，基于局部特征的词袋模型利用倒排表进行快速的图像搜索，由于倒排表的内存和检索效率的限制，该方法在实际的大规模的图像检索应用中能够索引的图像数目有限。随着深度学习技术的在图像分类和检测中的进展，预训练的网络提取的特征在图像检索中也展示了其有效性。然而，图像检索不同于图像分类，图像检索要求精准匹配，由于物体类别繁多，每一种类的物体很多，在面对开放的图像匹配检索的过程中，模板图像非常多，因此，对每一模板图像提取的特征比较少，图像检索的精度存在着很大的挑战。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于Siamese网络的图像检索方法及系统，能够提高图像检索的准确度。

根据本发明的一个方面，提供了一种基于Siamese网络的图像检索方法，包括：

S1，将待检索图像输入训练后的单支Siamese网络，以便通过所述单支Siamese网络提取出所述待检索图像的深度网络特征；

S2，计算所述待检索图像的深度网络特征与数据库中每一个模板图像的深度网络特征之间的相似度，该相似度表征待检索图像与每一个模板图像之间的相似度；

S3，将与所述待检索图像的相似度最大的模板图像确定为所述待检索图像对应的检索结果图像。

根据本发明的另一个方面，还提供了一种基于Siamese网络的图像检索系统，包括：

第一特征提取模块，用于将待检索图像输入训练后的单支Siamese网络，以便通过所述单支Siamese网络提取出所述待检索图像的深度网络特征；

相似度计算模块，用于计算所述待检索图像的深度网络特征与数据库中每一个模板图像的深度网络特征之间的相似度，该相似度表征待检索图像与每一个模板图像之间的相似度；

确定模块，用于将与所述待检索图像的相似度最大的模板图像确定为所述待检索图像对应的检索结果图像。

本发明的有益效果为：通过构建Siamese网络，并对构建的Siamese网络进行训练，通过训练后的Siamese网络提取图像的深度网络特征，随后将待检索图像的深度网络特征与每一个模板图像的深度网络特征进行相似性的计算，与待检索图像的特征最相似的模板图像即为检索结果图像，使用训练后的Siamese网络提取图像的深度网络特征具有很高的鉴别力，因此使得Siamese网络用在图像检索领域具有很高的精确性。

附图说明

图1为本发明一个实施例的基于Siamese网络的图像检索方法流程图；

图2为构建的双分支Siamese网络架构图；

图3为本发明另一个实施例的基于Siamese网络的图像检索系统示意图；

图4为本发明又一个实施例的基于Siamese网络的图像检索系统整体框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

参见图1，为本发明一个实施例的基于Siamese网络的图像检索方法，包括：