[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，方法包括以图像数据库中的图像对为输入，以图像对映射得到的哈希编码对间的距离、标签类别和图像对的特征相似度为损失值，采用机器学习优化算法优化损失值以训练得到深度哈希映射模型；将待检索图像利用深度哈希映射模型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，作为待检索图像在图像数据库的检索结果进行输出，哈希编码库为将图像数据库中每张图像经深度哈希映射模型映射后所得。本申请有效地解决了相关技术中同一类别图像哈希编码过于一致的问题，从而实现了同一类别图像的准确检索。

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，该训练得到的二进制编码存在这样的问题：同类图像的哈希编码过于一致，因而同类图像近乎毫无区分度，无法辨别出与检索图像较为相似的图像，也就是说，相关技术无法对同一类别图像进行检索。

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，实现了同一类别图像的准确检索。

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：

利用预先构建的深度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，所述深度哈希映射模型为以所述图像数据库中的图像对为输入，以所述图像对映射得到的哈希编码对间的距离、标签类别和所述图像对的特征相似度为损失值，采用机器学习优化算法优化所述损失值训练所得；所述标签类别用于标识所述图像对中两张图像的相似性；所述哈希编码库为将所述图像数据库中每张图像经所述深度哈希映射模型映射后所得。

可选的，所述深度哈希映射模型的训练过程包括：

将全连接层为哈希编码层的卷积神经网络模型作为所述深度哈希映射模型的网络结构；

以所述图像数据库中的图像对作为所述网络结构的输入，以下述公式作为所述网络结构的损失值，采用随机梯度下降优化所述损失值训练所述网络结构：