[发明专利]图像检索方法和装置、计算机设备和存储介质

说明书

本发明提供一种图像检索方法和装置、计算机设备和存储介质，包括：获取检索图像；将检索图像输入预先对具有相似关系的训练图像样本训练得到的卷积神经网络，通过输入层和前置卷积层得到第一输出结果；第一输出结果输入到的分支网络，得到每个像素点为物体的概率对应的物体的位置概率图；第一输出结果输入到卷积神经网络的中间卷积层，得到检索图像的特征图；对特征图与位置概率图进行点乘处理得到融合位置信息的特征图，并将融合位置信息的特征图输入至卷积神经网络的后置卷积层，通过后置卷积层和全连接层，输出检索图像的特征向量；将检索图像的特征向量与数据库的各图像的特征向量进行比较，得到检索图像的检索结果。该方法精确度高。

技术领域

本发明涉及计算机设备技术领域，特别是涉及一种图像检索方法和装置、计算机设备和存储介质。

背景技术

图像检索，是通过输入图片来检索相似的图片的一种技术，为用户提供相关图形图像资料检索的搜索技术。

用户在进行图像检索时，输入的图像的主体通常为检索目标，但往往输入的图像除主体外，还包括背景信息。为了得到精确的检索结果，在进行图像检索时往往需要去除背景信息，以消除背景信息对图像检索的影响。在利用神经网络自适应学习的图像检索模型中，为解决这个问题，需要在训练时标注主体的位置信息，并基于此训练神经网络。

这种方式需要人工预先对训练图像样本进行大量的标注，单纯依赖人工标注不仅需要消耗大量的人力资源，还可能产生个体性的标注错误，从而影响图像检索的精确度。

发明内容

基于此，有必要针对因人工标注导致的图像检索的精确度受到影响的问题，提供一种图像检索方法和装置、计算机设备和存储介质。

为达到上述目的，一个实施例采用以下技术方案：

一种图像检索方法，包括：

获取检索图像；

将所述检索图像输入预先对具有相似关系的训练图像样本训练得到的卷积神经网络，通过所述卷积神经网络的输入层和前置卷积层得到第一输出结果；

所述第一输出结果输入到所述卷积神经网络的分支网络，得到每个像素点为物体的概率对应的物体的位置概率图；

所述第一输出结果输入到所述卷积神经网络的中间卷积层，得到所述检索图像的特征图；

对所述特征图与所述位置概率图进行点乘处理得到融合位置信息的特征图，并将所述融合位置信息的特征图输入至所述卷积神经网络的后置卷积层，通过后置卷积层和全连接层，输出所述检索图像的特征向量；

将所述检索图像的特征向量与数据库的各图像的特征向量进行比较，得到所述检索图像的检索结果。

一种图像检索方装置，包括：图像获取模块、卷积神经网络模块、检索模块；

所述图像获取模块，用于获取检索图像；

所述卷积神经网络模块，用于将所述检索图像输入预先对具有相似关系的训练图像样本训练得到的卷积神经网络，通过所述卷积神经网络的输入层和前置卷积层得到第一输出结果；所述第一输出结果输入到所述卷积神经网络的分支网络，得到每个像素点为物体的概率对应的物体的位置概率图；所述第一输出结果输入到所述卷积神经网络的中间卷积层，得到所述检索图像的特征图；对所述特征图与所述位置概率图进行点乘处理得到融合位置信息的特征图，并将所述融合位置信息的特征图输入至所述卷积神经网络的后置卷积层，通过后置卷积层和全连接层，输出所述检索图像的特征向量；

所述检索模块，用于将所述检索图像的特征向量与数据库的各图像的特征向量进行比较，得到所述检索图像的检索结果。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的图像检索方法的步骤。