[发明专利]对象操作方法和装置、计算机可读的存储介质及电子装置

权利要求书

1.一种对象操作方法，其特征在于，包括：

获取目标二元组集合，其中，所述目标二元组集合中的每个二元组包括相同的目标测试图像与第一图像集合中的一个不同的训练图像，所述第一图像集合包括多个训练图像，每个所述训练图像对应有所述每个所述训练图像中的位置和在所述位置上执行的操作；

将所述目标二元组集合中的每个二元组输入到目标神经网络模型中，得到所述目标神经网路模型输出的一组图像相似度，其中，所述一组图像相似度与所述目标二元组集合一一对应，每个所述图像相似度用于表示对应的二元组中的所述目标测试图像与所述训练图像之间的相似度，所述目标神经网络模型是使用所述多个训练图像对初始神经网络模型进行训练得到的网络模型，所述目标神经网络模型用于将所述训练图像和正样本图像之间的相似度确定为大于第一阈值，并将所述训练图像和负样本图像之间的相似度确定为小于第二阈值，所述正样本图像与所述训练图像为相同场景下的图像，所述负样本图像与所述训练图像为不同场景下的图像，所述第一阈值大于所述第二阈值；

在所述多个训练图像中确定出目标训练图像的情况下，在所述目标测试图像中与目标位置对应的位置上执行目标操作，其中，所述目标测试图像与所述目标训练图像之间的相似度是所述一组图像相似度中的最大值，所述目标训练图像对应有所述目标测试图像中的所述目标位置和所述目标位置上执行的所述目标操作。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标二元组集合中的每个二元组输入到目标神经网络模型中，得到所述目标神经网路模型输出的一组图像相似度，包括：

对所述目标二元组集合中的每个二元组执行以下操作，其中，在执行以下操作时所述每个二元组被视为当前二元组，所述当前二元组包括所述目标测试图像和当前训练图像，所述当前二元组对应的图像相似度为当前图像相似度：

将所述当前二元组输入到所述目标神经网络模型中；

通过所述目标神经网络模型分别获取所述目标测试图像中的第一图像特征和所述当前训练图像中的第二图像特征；

通过所述目标神经网络模型确定所述第一图像特征和所述第二图像特征之间的距离，其中，所述当前图像相似度是使用所述距离表示的相似度。

3.根据权利要求1所述的方法，其特征在于，在所述获取目标二元组集合之前，所述方法还包括：

获取三元组集合，其中，所述三元组集合中的每个三元组包括所述第一图像集合中的一个不同的训练图像、所述一个不同的训练图像对应的一个所述正样本图像、和所述一个不同的训练图像对应的一个所述负样本图像；

使用所述三元组集合对所述初始神经网络模型进行训练，得到所述目标神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述使用所述三元组集合对所述初始神经网络模型进行训练，得到所述目标神经网络模型，包括：

重复执行以下操作，直到得到的所述目标神经网络模型将所述第一图像集合中大于或等于第一数量的所述训练图像与对应的所述正样本图像之间的相似度确定为大于第一阈值，并将所述第一图像集合中大于或等于第二数量的所述训练图像与所述对应的负样本图像之间的相似度确定为小于第二阈值：

从所述三元组集合中获取一组所述三元组；

将所述一组所述三元组依次输入到所述初始神经网络模型，其中，所述初始神经网络模型包括卷积层、池化层、全连接层，所述卷积层和所述池化层以及所述全连接层一起用于获取所述三元组中包括的所述训练图像的图像特征、所述正样本图像的图像特征、所述负样本图像的图像特征，并确定所述训练图像的图像特征与所述正样本图像的图像特征之间的第一距离，所述训练图像的图像特征与所述负样本图像的图像特征之间的第二距离；

在所述第一图像集合中所述第一距离大于所述第一阈值的所述训练图像的数量小于所述第一数量，或，所述第一图像集合中所述第二距离大于所述第二阈值的所述训练图像的数量小于所述第二数量的情况下，调整所述卷积层、所述池化层和所述全连接层中的部分参数，和/或，调整所述卷积层、所述池化层和所述全连接层的连接关系。