[发明专利]一种图像相似度确定方法、装置、设备及存储介质

说明书

本发明公开了一种图像相似度确定方法，该方法包括以下步骤：获得待进行相似度确定的目标图像对，目标图像对包括第一图像和第二图像；提取目标图像对的至少两种图像特征；分别将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，确定目标图像对中第一图像和第二图像的相似度。应用本发明实施例所提供的技术方案，有效提高了图像相似性的确定精度，对以此为基础的图像识别和目标跟踪任务的性能有一定提高。本发明还公开了一种图像相似度确定装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种图像相似度确定方法、装置、设备及存储介质。

背景技术

在图像识别、目标跟踪等应用场景中，常常需要确定两个图像的相似度。

在现有技术中，可以使用孪生网络进行图像相似度的确定。孪生网络是一种特殊的深度卷积网络结构，该网络具有两个数据输入端，可以同时利用卷积网络结构对两个端口的图像数据进行卷积处理，最终提取到输入图像的特征向量，然后利用两个图像的特征向量和特定的相似度量函数进一步进行相似度判定。

这种方法使用单个网络模型进行两个图像的相似度判定，其判定结果高度依赖于该网络模型训练的可靠性，在该网络模型使用单一图像特征作为输入，对于图像的表征存在一定的片面性，从而使得对于图像相似度的确定精度不高。

发明内容

本发明的目的是提供一种图像相似度确定方法、装置、设备及存储介质，以有效提高图像相似度的确定精度。

为解决上述技术问题，本发明提供如下技术方案：

一种图像相似度确定方法，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。

在本发明的一种具体实施方式中，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。

在本发明的一种具体实施方式中，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。

在本发明的一种具体实施方式中，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；