[发明专利]一种图像相似度确定方法、装置、设备及存储介质

权利要求书

1.一种图像相似度确定方法，其特征在于，包括：

获得待进行相似度确定的目标图像对，所述目标图像对包括第一图像和第二图像；

提取所述目标图像对的至少两种图像特征；

分别将所述目标图像对的每种图像特征输入到基于相应图像特征预先训练得到的深度卷积网络模型中，获得每个深度卷积网络模型的相似度判定结果；

基于每个深度卷积网络模型的相似度判定结果的加权运算，确定所述目标图像对中所述第一图像和所述第二图像的相似度。

2.根据权利要求1所述的图像相似度确定方法，其特征在于，所述提取所述目标图像对的至少两种图像特征，包括：

提取所述目标图像对的RGB图像特征和颜色命名图像特征。

3.根据权利要求2所述的图像相似度确定方法，其特征在于，通过以下步骤基于RGB图像特征预先训练得到第一深度卷积网络模型：

获得训练样本集和测试样本集，所述训练样本集和所述测试样本集中均包含多个图像对；

提取所述训练样本集的RGB图像特征和所述测试样本集的RGB图像特征；

利用所述训练样本集的RGB图像特征作为网络输入，对预先构建的初始深度卷积网络进行训练，获得训练后的第一深度卷积网络；

利用所述测试样本集的RGB图像特征作为网络输入，对所述训练后的第一深度卷积网络进行测试；

在测试结果未达到设定第一精确度时，重复执行训练、测试操作，在测试结果达到所述第一精确度时，得到第一深度卷积网络模型。

4.根据权利要求3所述的图像相似度确定方法，其特征在于，通过以下步骤基于颜色命名图像特征预先训练得到第二深度卷积网络模型：

提取所述训练样本集的颜色命名图像特征和所述测试样本集的颜色命名图像特征；

基于所述训练样本集的RGB图像特征的图像格式，对提取的所述训练样本集和所述测试样本集的颜色命名图像特征进行数据格式处理；

利用所述训练样本集的颜色命名图像特征作为网络输入，对所述初始深度卷积网络进行训练，获得训练后的第二深度卷积网络；

利用所述测试样本集的颜色命名图像特征作为网络输入，对所述训练后的第二深度卷积网络进行测试；

在测试结果未达到设定第二精确度时，重复执行训练、测试操作，在测试结果达到所述第二精确度时，得到第二深度卷积网络模型。

5.根据权利要求1至4之中任一项所述的图像相似度确定方法，其特征在于，所述基于每个深度卷积网络模型的相似度判定结果的加权运算，确定所述目标图像对中所述第一图像和所述第二图像的相似度，包括：

将每个深度卷积网络模型的相似度判定结果的加权和，确定为所述目标图像对中所述第一图像和所述第二图像的相似度。

6.一种图像相似度确定装置，其特征在于，包括：

图像对获得模块，用于获得待进行相似度确定的目标图像对，所述目标图像对包括第一图像和第二图像；

图像特征提取模块，用于提取所述目标图像对的至少两种图像特征；

判定结果获得模块，用于分别将所述目标图像对的每种图像特征输入到基于相应图像特征预先训练得到的深度卷积网络模型中，获得每个深度卷积网络模型的相似度判定结果；

相似度确定模块，用于基于每个深度卷积网络模型的相似度判定结果的加权运算，确定所述目标图像对中所述第一图像和所述第二图像的相似度。

7.根据权利要求6所述的图像相似度确定装置，其特征在于，所述图像特征提取模块，具体用于：

提取所述目标图像对的RGB图像特征和颜色命名图像特征。

8.根据权利要求6或7所述的图像相似度确定装置，其特征在于，所述相似度确定模块，具体用于：

将每个深度卷积网络模型的相似度判定结果的加权和，确定为所述目标图像对中所述第一图像和所述第二图像的相似度。