[发明专利]图像特征提取模型训练方法、图像搜索方法及计算机设备

说明书

本申请涉及一种图像特征提取模型训练方法、图像搜索方法及计算机设备。该方法包括：获取用于训练的多个图片组，图片组至少包括参考样本以及参考样本的相似样本；将图片组的各样本分别输入神经网络模型中对应的子神经网络，通过各子神经网络的深层神经网络，提取各样本的语义特征向量，通过各子神经网络的浅层神经网络，提取各样本的视觉特征向量；根据语义特征向量和视觉特征向量，神经网络模型的各子神经网络输出对应样本的图像特征向量；以最小化参考样本和相似样本的图像特征向量的距离为目标，训练神经网络模型，得到图像特征提取模型。该方法考虑了在语义和视觉上的相似性，当应用于图像搜索时，能够提高图像搜索精度。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种图像特征提取模型训练方法、图像搜索方法及计算机设备。

背景技术

随着互联网技术的飞速发展，图像搜索被应用到越来越多的场景中，如购物平台的商品搜索，能够使用图片搜索相似商品，极大地提高了目标商品的搜索效率。

而随着人工智能技术的快速发展，为提高图像搜索的效率，人们将神经网络应用于图像搜索，快速提取图像特征进行相似度计算。但传统的利用神经网络模型进行图像搜索的方法中，神经网络模型所提取的图像特征较为单一，导致图像搜索精度低。

发明内容

基于此，有必要针对图像搜索精度低的问题，提供一种图像搜索方法、装置、计算机设备和存储介质，以及一种图像特征提取模型训练方法、装置、计算机设备和存储介质。

一种图像特征提取模型训练方法，包括：

获取用于训练的多个图片组，所述图片组至少包括参考样本以及所述参考样本的相似样本；

将所述图片组的各样本分别输入神经网络模型中对应的子神经网络，通过各子神经网络的深层神经网络，提取各样本的语义特征向量，通过各子神经网络的浅层神经网络，提取各样本的视觉特征向量；根据所述语义特征向量和所述视觉特征向量，所述神经网络模型的各子神经网络输出对应样本的图像特征向量；

以最小化所述参考样本和所述相似样本的所述图像特征向量的距离为目标，训练所述神经网络模型，得到图像特征提取模型。

一种图像搜索方法，所述方法包括：

获取待搜索图像；

将所述待搜索图像输入预先训练的图像特征提取模型，通过所述图像特征提取模型的深层神经网络得到所述待搜索图像的语义特征向量，通过所述图像特征提取模型的浅层神经网络得到所述待搜索图像的视觉特征向量，并根据所述语义特征向量和所述视觉特征向量输出所述待搜索图像的图像特征向量；

确定所述待搜索图像的所述图像特征向量与数据库中各图像的特征向量的距离；

根据所述距离确定与所述待搜索图像相似的图像，得到图像搜索结果。

一种图像特征提取模型训练装置，包括：

图片组获取模块，用于获取用于训练的多个图片组，所述图片组至少包括参考样本以及所述参考样本的相似样本；

特征提取模块，用于将所述图片组的各样本分别输入神经网络模型中对应的子神经网络，通过各子神经网络的深层神经网络，提取各样本的语义特征向量，通过各子神经网络的浅层神经网络，提取各样本的视觉特征向量；特征融合模块，用于根据所述语义特征向量和所述视觉特征向量，神经网络模型的各子神经网络输出对应样本的图像特征向量；

训练模块，用于以最小化所述参考样本和所述相似样本的所述图像特征向量的距离为目标，训练所述神经网络模型，得到图像特征提取模型。

一种图像搜索装置，所述装置包括：

图像获取模块，用于获取待搜索图像；