[发明专利]图像检索方法、装置、设备及计算机可读存储介质

说明书

本发明实施例公开了一种图像检索方法、装置、设备及计算机可读存储介质。其中，方法包括首先利用卷积层数不同的两个卷积神经网络并联构造双列卷积哈希映射模型，第一卷积神经网络与第二卷积神经网络的池化层数目、池化窗口的大小和步长均相同；该模型包含由第一卷积神经网络和第二卷积神经网络的输出并联而成的第一全连接层及作为哈希编码层的第二全连接层。将待检索图像利用双列卷积哈希映射模型映射为待检索哈希编码；在哈希编码库中查找与待检索哈希编码的汉明距离差值满足预设条件的目标图像，以作为待检索图像在图像数据库的检索结果；哈希编码库为将图像数据库中每张图像经双列卷积哈希映射模型映射后所得。本申请提高图像检索的准确率。

技术领域

本发明实施例涉及图像处理技术领域，特别是涉及一种图像检索方法、装置、设备及计算机可读存储介质。

背景技术

近些年来，随着互联网的进一步普及和大数据技术的深入应用，每天都会有数以亿计的图像产生。图像数据资源的集中和规模的增大使得现有技术越来越难以满足用户图像检索的需求。因此，如何有效地描述图像的特征信息，采用何种数据结构进行高效索引和快速相似性检索等问题成为了这个方向的研究热点。

面对大规模的图像数据，鉴于二进制编码具有易于比较与存储的性质，可以极大的提升相似性检索的速度并节省更多的计算机资源，故在进行图像检索时一般将图像映射成二进制编码。

深度学习的出现推动了计算机视觉的发展，也为学习哈希映射方法提供了更有效的工具。相关技术用神经网络模型映射哈希编码，然利用图像的方式训练深度学习模型，通过损失函数来约束该模型参数，取得了较为不错的结果。

但是，该方法检索图像的准确率不高，尤其是针对比较相似图像，无法满足用户对图像检索精度的高要求。鉴于此，如何提升图像检索的准确率，是本领域技术人员亟待解决的问题。

发明内容

本公开实施例提供了一种图像检索方法、装置、设备及计算机可读存储介质，提高图像检索的准确率。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种图像检索方法，包括：

利用预先构建的双列卷积哈希映射模型将待检索图像映射为待检索哈希编码；

在预先构建的哈希编码库中查找与所述待检索哈希编码的汉明距离差值满足预设条件的目标图像，以作为所述待检索图像在图像数据库的检索结果；

其中，所述双列卷积哈希映射模型为由卷积层数不同的两个卷积神经网络组合而成，包含由第一卷积神经网络和第二卷积神经网络的输出并联而成的第一全连接层及作为哈希编码层的第二全连接层；所述第一卷积神经网络与所述第二卷积神经网络的池化层数目、池化窗口的大小和步长均相同；所述哈希编码库为将所述图像数据库中每张图像经所述双列卷积哈希映射模型映射后所得。

可选的，所述双列卷积哈希映射模型的训练过程包括：

以所述图像数据库中的图像对为输入；

若所述图像对的标签类别为相似，则以所述图像对映射得到的哈希编码对之间的距离为损失值；若所述图像对的标签类别为不相似，则以所述图像对映射得到的哈希编码对之间的距离和间隔为损失值；所述标签类别用于标识所述图像对中两张图像的相似性；

采用机器学习优化算法优化所述损失值以训练所述双列卷积哈希映射模型。

可选的，所述双列卷积哈希映射模型的损失值为：