[发明专利]图像检索模型优化方法、检索方法、装置、系统及介质

权利要求书

1.一种图像检索模型优化方法，其特征在于，所述方法包括：

获取图像训练集的第一组合视觉词典，所述第一组合视觉词典包括多个视觉词典，所述视觉词典包括多个视觉单词；

对所述第一组合视觉词典进行降维处理，得到多个特征值和所述特征值对应的特征向量；

对所述特征向量按照预设规则排列，得到降维映射矩阵；

基于所述降维映射矩阵及所述第一组合视觉词典，生成多个目标视觉词典，多个所述目标视觉词典对应的数据集的方差之间均衡分布；

所述基于所述特征向量对应的特征值的大小，对所述特征向量中的特征向量进行排列包括：

构建M个空的数据集合，所述空的数据集合的数量与所述第一组合视觉词典内的视觉词典的数量相等；

将排前的M个特征值对应的特征向量依次按序添加至对应的M个所述数据集合中，所述特征值按照递减的顺序排列；

将第M+1特征值对应的特征向量添加至第M个数据集合中；

确定当前最小的特征值总量对应的数据集合，当所述数据集合中仅包括一个特征向量时，所述特征值总量为所述数据集合中当前包括的所述特征向量对应的特征值；当数据集内包括多个特征向量时，所述特征值总量为所述数据集合中当前包括的所述特征向量对应的特征值的乘积；

判断最小的特征值总量对应的所述数据集合中的特征向量的个数是否小于l/M，其中，排前的l个特征值对应的特征向量为待排列的特征向量，所述l小于等于每个所述视觉词典内视觉单词的个数，且l/M为M的整数倍；

如否，表示所述数据集合满员，则跳过当前最小的特征值总量对应的数据集合，并返回至确定当前最小的特征值总量对应的数据集的步骤；

若是，则依次将剩余的第M+n个特征值对应的特征向量添加最小的特征值总量对应的未满员的数据集合中，并返回至确定当前最小的特征值总量对应的数据集的步骤，使得每个数据集内包括l/M个特征向量，其中，2≤n≤l。

2.根据权利要求1所述的图像检索模型优化方法，其特征在于所述对所述特征向量按照预设规则排列，得到降维映射矩阵包括：

基于所述特征向量对应的所述特征值的大小，对所述特征向量进行排列，得到所述降维映射矩阵。

3.根据权利要求1所述图像检索模型优化方法，其特征在于，所述获取训练图像集的第一组合视觉词典包括：

获取训练图像集中训练图像的视觉特征；

基于所述视觉特征生成多个视觉词典；

依次组合多个所述视觉词典中的视觉单词，得到所述第一组合视觉词典；

所述基于所述降维映射矩阵及所述第一组合视觉词典，生成多个目标视觉词典包括：

基于所述降维映射矩阵及所述第一组合视觉词典生成第二组合视觉词典；

对所述第二组合视觉词典进行切分，得到所述目标视觉词典。

4.根据权利要求1所述的图像检索模型优化方法，其特征在于，所述方法还包括：

基于所述目标视觉词典确定所述训练图像集中训练图像的各视觉特征的索引；

确定所述训练图像的各视觉特征的索引的词频-逆文档频率权重；

基于各所述视觉特征的索引的所述词频-逆文档频率权重生成所述训练图像的第一词袋向量。

5.一种图像检索方法，其特征在于，所述方法包括：

获取待检索图像的视觉特征；

基于所述视觉特征，利用如权利要求1-4任一项所述的目标视觉词典，计算所述视觉特征对应的第二词袋向量；

计算所述第二词袋向量与如权利要求4所述的第一词袋向量的距离；

基于所述距离确定所述待检索图像与所述训练图像的相似度；

确定所述相似度大于预定阈值的训练图像，作为目标图像输出。