[发明专利]一种图像检索方法、装置、设备及可读存储介质

权利要求书

1.一种图像检索方法，其特征在于，包括：

获取待检索的目标图像，将所述目标图像输入目标深度学习模型；所述目标深度学习模型为基于深度神经网络，且通过网络训练使之能够在全局特征上使用多尺度的特征输出训练网络，来获取全局更细粒度的信息，而在局部特征上，针对输入图像的特征区域，分为若干个局部特征区域的模型，或所述目标深度学习模型为对应特定网络结构MSRR-Net的模型；

利用所述目标深度学习模型对所述目标图像进行特征提取，获得所述目标图像的图像特征；所述图像特征包括全局特征、局部特征和多尺度全局特征，所述多尺度全局特征为将全局特征提取过程中产生的多个中间阶段特征进行加权计算后获得的特征；

利用所述图像特征，按照距离计算规则，分别计算所述目标图像与图像库中各个图像的相似距离；

利用所述相似距离，确定并输出所述目标图像的相似图像。

2.根据权利要求1所述的图像检索方法，其特征在于，所述局部特征提取过程，包括：

对所述目标图像进行全局特征提取时，对目标池化层输出的特征图进行分支，获得原始局部特征图；

对所述原始局部特征图进行池化和全连接处理，获得所述局部特征。

3.根据权利要求2所述的图像检索方法，其特征在于，所述对目标池化层输出的特征图进行分支，获得原始局部特征图，包括：

对所述特征图分别进行横向分割和纵向分割，获得原始局部特征图；所述原始局部特征图包括原始上部特征图、原始下部特征图、原始左部特征图和原始右部特征图。

4.根据权利要求1至3任一项所述的图像检索方法，其特征在于，在所述距离计算规则为余弦距离计算规则时，利用所述图像特征，按照距离计算规则，分别计算所述目标图像与图像库中各个图像的相似距离，包括：

利用所述图像特征，分别计算所述目标图像与图像库中各个图像的余弦距离；

将所述余弦距离作为所述相似距离。

5.根据权利要求4所述的图像检索方法，其特征在于，利用所述相似距离，确定并输出所述目标图像的相似图像，包括：

对所述相似距离进行降序排列，选择所述相似距离在指定序号前的图像作为所述相似图像。

6.根据权利要求1至3任一项所述的图像检索方法，其特征在于，在所述距离计算规则为欧式距离计算规则时，利用所述图像特征，按照距离计算规则，分别计算所述目标图像与图像库中各个图像的相似距离，包括：

利用所述图像特征，分别计算所述目标图像与图像库中各个图像的欧式距离；

将所述欧式距离作为所述相似距离。

7.根据权利要求6所述的图像检索方法，其特征在于，利用所述相似距离，确定并输出所述目标图像的相似图像，包括：

对所述相似距离进行升序排列，选择所述相似距离在指定序号前的图像作为所述相似图像。

8.一种图像检索装置，其特征在于，包括：

目标图像获取模块，用于获取待检索的目标图像，将所述目标图像输入目标深度学习模型；所述目标深度学习模型为基于深度神经网络，且通过网络训练使之能够在全局特征上使用多尺度的特征输出训练网络，来获取全局更细粒度的信息，而在局部特征上，针对输入图像的特征区域，分为若干个局部特征区域的模型，或所述目标深度学习模型为对应特定网络结构MSRR-Net的模型；

图像特征提取模块，用于利用所述目标深度学习模型对所述目标图像进行特征提取，获得所述目标图像的图像特征；所述图像特征包括全局特征、局部特征和多尺度全局特征，所述多尺度全局特征为将全局特征提取过程中产生的多个中间阶段特征进行加权计算后获得的特征；

相似距离计算模块，用于利用所述图像特征，按照距离计算规则，分别计算所述目标图像与图像库中各个图像的相似距离；

相似图像确定模块，用于利用所述相似距离，确定并输出所述目标图像的相似图像。