[发明专利]一种以图搜图的方法、计算机可读介质及服务器有效

专利信息
申请号: 201910093991.5 申请日: 2019-01-30
公开(公告)号: CN109783671B 公开(公告)日: 2021-10-08
发明(设计)人: 许景涛;索健文;唐小军 申请(专利权)人: 京东方科技集团股份有限公司
主分类号: G06F16/532 分类号: G06F16/532;G06F16/583;G06F16/51
代理公司: 北京中博世达专利商标代理有限公司 11274 代理人: 申健
地址: 100015 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图搜图 方法 计算机 可读 介质 服务器
【权利要求书】:

1.一种以图搜图的方法,其特征在于,包括:

接收终端发送的搜索图片以及至少一个相似性搜索的类别;其中,所述相似性搜索的类别包括所述搜索图片的内容、题材、风格;

根据接收的所述搜索图片以及所述至少一个相似性搜索的类别,使用与所述至少一个相似性搜索的类别唯一对应的已训练的哈希模型,提取所述搜索图片的特征编码;

在与所述至少一个相似性搜索的类别唯一对应的特征编码库中,根据所述搜索图片的特征编码,获取与所述搜索图片相似的目标图片;

将所述目标图片发送至所述终端;

所述哈希模型包括一维哈希模型,每个所述一维哈希模型与一个相似性搜索的类别唯一对应;

所述以图搜图的方法还包括:根据已知标签的图片,训练得到所述一维哈希模型;

所述哈希模型还包括多维哈希模型,每个所述多维哈希模型与至少两个相似性搜索的类别唯一对应;

所述以图搜图的方法还包括训练得到所述多维哈希模型;

其中,训练得到所述多维哈希模型,包括:

建立训练数据集,所述训练数据集包括图片子集和至少两个标签子集;所述标签子集与至少两个相似性搜索的类别中的各类别一一对应,每个所述标签子集中的标签基于该标签子集对应的一个相似性搜索的类别得到;所述图片子集包括多张图片,每个所述标签子集包括与所述图片子集中的图片一一对应的标签;

根据所述训练数据集,训练得到所述多维哈希模型,包括:

将所述图片子集中的图片分成多个图片对;

针对每一所述图片对,判断该图片对在每个标签子集中对应的标签是否相同,若相同,将该图片对作为正样本,否则,将该图片对作为负样本;

分别将所述正样本和所述负样本输入卷积神经网络进行训练,得到所述多维哈希模型。

2.根据权利要求1所述的以图搜图的方法,其特征在于,还包括:

接收终端发送的推送请求,所述推送请求指示将用户感兴趣的图片发送至画屏,所述用户感兴趣的图片为所述目标图片中的一幅图片或多幅图片;

将所述用户感兴趣的图片发送至画屏,以使所述画屏显示所述用户感兴趣的图片。

3.根据权利要求1所述的以图搜图的方法,其特征在于,在与所述至少一个相似性搜索的类别唯一对应的特征编码库中,根据所述搜索图片的特征编码,获取与所述搜索图片相似的目标图片,包括:

在与所述至少一个相似性搜索的类别唯一对应的所述特征编码库中,根据所述搜索图片的特征编码,计算所述搜索图片的特征编码与所述特征编码库中每个特征编码的距离;

获取与所述搜索图片的特征编码距离最近的所述特征编码库中的特征编码,得到与所述特征编码库中的该特征编码对应的所述目标图片。

4.根据权利要求1所述的以图搜图的方法,其特征在于,每个所述标签子集中的标签基于该标签子集对应的一个相似性搜索的类别对应的所述一维哈希模型得到。

5.根据权利要求1所述的以图搜图的方法,其特征在于,在任一相似性搜索的类别包括多个子类别的情况下,所述图片子集中具有该相似性搜索的类别下各子类别特性的图片,根据所述子类别的比例进行数量的配置。

6.根据权利要求1所述的以图搜图的方法,其特征在于,还包括建立与所述至少一个相似性搜索的类别唯一对应的特征编码库;

其中,建立与所述至少一个相似性搜索的类别唯一对应的特征编码库,包括:

将图库中的图片输入与所述至少一个相似性搜索的类别唯一对应的已训练的所述哈希模型,获取该图片的特征编码;

根据获取的特征编码,得到与所述至少一个相似性搜索的类别唯一对应的特征编码库。

7.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,实现如权利要求1-6任一项所述的以图搜图的方法。

8.一种服务器,其特征在于,包括:处理器、存储器;所述存储器用于一个或多个程序;

当所述一个或多个程序被所述处理器执行时,实现如权利要求1-6任一项所述的以图搜图的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于京东方科技集团股份有限公司,未经京东方科技集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910093991.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top