[发明专利]图像搜索方法、系统及电子装置在审

专利信息
申请号: 201910416797.6 申请日: 2019-05-20
公开(公告)号: CN110110113A 公开(公告)日: 2019-08-09
发明(设计)人: 宋良 申请(专利权)人: 重庆紫光华山智安科技有限公司
主分类号: G06F16/535 分类号: G06F16/535;G06F16/54;G06F16/583
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 徐彦圣
地址: 400700 重庆市*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 搜索结果 搜索图像 搜索 数据量 电子装置 图像搜索 匹配 图像 二次搜索 使用数据 特征提取 图片特征 预先建立 图片
【权利要求书】:

1.一种图像搜索方法,其特征在于,所述方法包括:

获取待搜索图像;

提取所述待搜索图像的第一特征,基于所述第一特征提取所述待搜索图像的第二特征;所述第二特征的数据量小于第一特征的数据量;

从预先建立的图片特征库中搜索与所述待搜索图像的第二特征相匹配的图像,得到第一搜索结果;

从所述第一搜索结果中搜索与所述待搜索图像的第一特征相匹配的图像,得到第二搜索结果;

根据所述第二搜索结果确定所述搜索图像的最终搜索结果。

2.根据权利要求1所述的方法,其特征在于,所述图片特征库通过下述方式建立:

获取指定数量的样本图像;

对所述样本图像进行特征提取,得到所述样本图像的第一特征,将所述样本图像的标识信息和所述样本图像对应的第一特征保存至第一特征库中;

将所述第一特征输入至预先完成训练的深度学习模型中,输出所述样本图像的第二特征,将所述样本图像的标识信息和所述样本图像对应的第二特征保存至第二特征库中;

将所述第一特征库、所述第二特征库确定为图片特征库。

3.根据权利要求2所述的方法,其特征在于,基于所述第一特征提取所述待搜索图像的第二特征的步骤,包括:

将所述待搜索图像的第一特征输入至预先完成训练的深度学习模型,输出所述待搜索图像的第二特征。

4.根据权利要求2所述的方法,其特征在于,从预先建立的图片特征库中搜索与所述待搜索图像的第二特征相匹配的图像,得到第一搜索结果的步骤,包括:

将所述待搜索图像的第二特征与所述图片特征库中的所述第二特征库进行相似度计算,得到所述待搜索图像与所述图片特征库中每个图片的第一相似度计算结果;

将所述第一相似度计算结果中,相似度高于第一预设阈值的样本图像作为第一搜索结果。

5.根据权利要求4所述的方法,其特征在于,从预先建立的图片特征库中搜索与所述待搜索图像的第二特征相匹配的图像,得到第一搜索结果的步骤,包括:

将所述待搜索图像的第二特征、以及用户输入的搜索条件复制到GPU中;

通过GPU从预先建立的图片特征库中搜索与所述待搜索图像的第二特征相匹配的图像,得到第一搜索结果;

将所述第一搜索结果保存在内存中。

6.根据权利要求2所述的方法,其特征在于,所述从第一搜索结果中搜索与所述待搜索图像的第一特征相匹配的图像,得到第二搜索结果的步骤,包括:

从所述图片特征库的所述第一特征库中,提取所述第一搜索结果中样本图像的第一特征;

将所述待搜索图像的第一特征,分别与提取出的每个样本图像的第一特征进行相似度计算,得到所述待搜索图像的第一特征与每个提取出的每个样本图像的第一特征的第二相似度计算结果;

将所述第二相似度计算结果中,相似度高于第二预设阈值的样本图像作为第二搜索结果。

7.根据权利要求6所述的方法,其特征在于,所述从第一搜索结果中搜索与所述待搜索图像的第一特征相匹配的图像,得到第二搜索结果的步骤,包括:

将所述待搜索图像的第一特征、以及用户输入的搜索条件复制到CPU中;

通过CPU从所述待搜索图像的第一特征与每个提取出的每个样本图像中,搜索与所述待搜索图像的第一特征相匹配的图像,得到第二搜索结果。

8.根据权利要求1所述的方法,其特征在于,根据所述第二搜索结果确定所述待搜索图像的最终搜索结果的步骤,包括:

按照相似度由高到低的顺序,对所述第二搜索结果中的样本图像进行排序;

从排列在第一个的样本图像开始,依次提取指定数量的样本图像;

将提取出的所述样本图像、以及所述样本图像的属性信息作为最终的搜索结果。

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重庆紫光华山智安科技有限公司,未经重庆紫光华山智安科技有限公司许可,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/201910416797.6/1.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