[发明专利]基于目标体图像的目标体检索方法、系统及装置

说明书

本发明涉及图像处理技术领域，具体提供了一种基于目标体图像的目标体检索方法、系统及装置，旨在解决如何提高图像检索准确率的技术问题。为此目的，本发明中的目标体检索方法基于预先构建的图像检索模型提取目标体图像的图像特征，计算目标体图像的图像特征与预设的图像库中比对图像的图像特征的相似度，根据计算结果获取图像库中与目标体图像相似的比对图像，从而可以根据相似比对图像的图像类别确定目标体图像的图像类别。其中，本发明利用两步训练方法(首先采用分类损失函数进行训练，然后采用双阈值损失函数进行训练)对图像检索模型进行模型训练，可以提高图像检索模型的检索结果准确性。同时，本发明中的装置和系统能够实现上述目标体检索方法。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于目标体图像的目标体检索方法、系统及装置。

背景技术

图像检索技术指的是基于目标图像的文本、和/或内容、和/或语义信息，获取相似图像的图像处理技术。当前，可以利用基于机器学习算法的图像处理技术进行图像检索。例如，利用深度卷积神经网络，获取目标图像的图像特征，并根据所获取的图像特征检索相似图像。在此过程中，通常利用基于单阈值的对比损失函数，对深度卷积神经神经网络进行网络训练。但是，这种训练方式只为“不相似图像对”设置阈值，很难保证“相似图像”与“不相似图像”对损失函数的贡献比例相同，即在训练过程中侧重于“相似图像对”，降低了深度卷积神经网络的泛化能力，导致其无法准确检索未知类别图像的相似图像。

发明内容

为了解决现有技术中的上述问题，即为了解决如何提高图像检索准确率的技术问题。为此目的，本发明提供了一种基于目标体图像的目标体检索方法、系统及装置。

在第一方面，本发明中的一种基于目标体图像的目标体检索方法包括如下步骤：

基于预先构建的图像检索模型，提取目标体图像的图像特征；

计算所述目标体图像的图像特征与预设的图像库中比对图像的图像特征的相似度；

根据计算结果，获取所述图像库中与目标体图像相似的比对图像；

其中，所述图像检索模型为基于预设的图像训练样本，并利用机器学习算法所构建的模型。

进一步地，本发明提供的一个优选技术方案为：

在“计算所述目标体图像的图像特征与预设的图像库中比对图像的图像特征的相似度”的步骤之前，所述方法还包括：

根据所述图像库中比对图像的图像特征维度，对所述目标体图像的图像特征进行降维处理；

在此情况下，“计算所述目标体图像的图像特征与预设的图像库中比对图像的图像特征的相似度”的步骤进一步包括计算所述降维处理后的目标体图像的图像特征与所述比对图像的图像特征的相似度。

进一步地，本发明提供的一个优选技术方案为：

“对所述目标体图像的图像特征进行降维处理”的步骤包括利用主成分分析法对所述目标体图像的图像特征进行降维处理。

进一步地，本发明提供的一个优选技术方案为：

所述图像检索模型是基于Siamese网络框架的模型；

在“基于预先构建的图像检索模型，提取目标体图像的图像特征”的步骤之前，所述方法还包括：

获取所述图像训练样本的图像特征；

基于预设的分类损失函数和所述图像训练样本的图像特征，并利用机器学习算法对所述图像检索模型进行模型训练，得到初步优化模型；

基于预设的双阈值损失函数和所述图像训练样本的图像特征，并利用机器学习算法对所述初步优化模型进行模型训练，得到最终优化模型。