[发明专利]通过结构化信息前过滤布控库提升性能的检索系统和方法在审
申请号: | 201910909885.X | 申请日: | 2019-09-25 |
公开(公告)号: | CN110647642A | 公开(公告)日: | 2020-01-03 |
发明(设计)人: | 杨博文;俞梦洁;张志齐 | 申请(专利权)人: | 上海依图网络科技有限公司 |
主分类号: | G06F16/535 | 分类号: | G06F16/535;G06F16/55;G06F16/58;G06F16/583 |
代理公司: | 31325 上海市汇业律师事务所 | 代理人: | 王函 |
地址: | 200030 上海市徐汇*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结构化信息 检索请求信息 结构特征识别 特征识别模块 检索数据库 过滤 中间数据库 过滤模块 检索模块 提升性能 布控 抽取 检索 检索系统 检索结果 数据包括 误报率 耗时 | ||
1.一种通过结构化信息前过滤布控库提升性能的检索系统,其特征在于,包括:检索数据库,至少一个结构特征识别模块,独有特征识别模块,前过滤模块,检索模块;
所述检索数据库中包括多个数据,各所述数据包括独有特征和结构特征,所述独有特征为对应的所述数据单独具有的特征,所述结构特征对应于一类所述数据的共有特征;
检索请求信息分别输入到所述结构特征识别模块和所述独有特征识别模块;
所述结构特征识别模块抽取所述检索请求信息中的结构化信息;
所述独有特征识别模块抽取所述检索请求信息中的独有信息;
所述前过滤模块根据所述结构化信息对所述检索数据库进行前过滤并形成中间数据库,所述中间数据库为所述检索数据库的子数据库;
所述检索模块根据所述独有信息对所述中间数据库进行检索形成检索结果。
2.如权利要求1所述的检索系统,其特征在于:所述检索请求信息中还包括所述检索请求信息本身所内含的结构化信息,所述检索请求信息本身所内含的结构化信息不需要采用所述结构特征识别模块抽取,所述前过滤模块直接读取所述检索请求信息本身所内含的结构化信息。
3.如权利要求2所述的检索系统,其特征在于:所述检索请求信息本身所内含的结构化信息包括时间或地点。
4.如权利要求1所述的检索系统,其特征在于:所述检索数据库为用于人脸识别的布控库,所述检索数据库中储存的数据为人脸信息。
5.如权利要求4所述的检索系统,其特征在于:所述检索请求信息为一张包含人脸的图片。
6.如权利要求5所述的检索系统,其特征在于:所述独有特征识别模块为人脸识别模型模块,所述人脸识别模型模块识别出人脸特征,所述人脸特征作为所述独有信息。
7.如权利要求5所述的检索系统,其特征在于:所述结构特征识别模块包括人脸属性分类模型模块;所述人脸属性分类模型模块识别出的结构化信息包括年龄,民族。
8.如权利要求5所述的检索系统,其特征在于:所述结构特征识别模块包括人体属性分类模型模块;所述人体属性分类模型模块识别出的结构化信息包括衣着,体态。
9.一种通过结构化信息前过滤布控库提升性能的检索方法,其特征在于,用于对检索数据库进行检索,所述检索数据库中包括多个数据,各所述数据包括独有特征和结构特征,所述独有特征为对应的所述数据单独具有的特征,所述结构特征对应于一类所述数据的共有特征;包括如下步骤:
步骤一、将检索请求信息分别输入到结构特征识别模块和独有特征识别模块;
步骤二、所述结构特征识别模块抽取所述检索请求信息中的结构化信息;
所述独有特征识别模块抽取所述检索请求信息中的独有信息;
步骤三、前过滤模块根据所述结构化信息对所述检索数据库进行前过滤并形成中间数据库,所述中间数据库为所述检索数据库的子数据库;
步骤四、所述检索模块根据所述独有信息对所述中间数据库进行检索形成检索结果。
10.如权利要求9所述的检索方法,其特征在于:所述检索请求信息中还包括所述检索请求信息本身所内含的结构化信息,所述检索请求信息本身所内含的结构化信息不需要采用所述结构特征识别模块抽取,所述前过滤模块直接读取所述检索请求信息本身所内含的结构化信息。
11.如权利要求10所述的检索方法,其特征在于:所述检索请求信息本身所内含的结构化信息包括时间或地点。
12.如权利要求9所述的检索方法,其特征在于:所述检索数据库为用于人脸识别的布控库,所述检索数据库中储存的数据为人脸信息。
13.如权利要求12所述的检索方法,其特征在于:所述检索请求信息为一张包含人脸的图片。
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上海依图网络科技有限公司,未经上海依图网络科技有限公司许可,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/201910909885.X/1.html,转载请声明来源钻瓜专利网。