[发明专利]一种同源图像确定方法及装置

权利要求书

1.一种同源图像确定方法，其特征在于，包括：

获取待处理的目标图像与数据库中的多个图像；

确定所述目标图像的特征向量，并获取所述多个图像的特征张量；

确定所述目标图像的特征向量与所述多个图像的特征张量的目标评估向量，其中，所述目标评估向量的各个分量表示所述多个图像与所述目标图像为同源图像的概率；

将大于或等于预设阈值的所述目标评估向量的分量对应的图像确定为所述待处理图像的同源图像。

2.根据权利要求1所述的方法，其特征在于，确定所述目标图像的特征向量与所述多个图像的特征张量的目标评估向量包括：

将所述目标图像的特征向量扩展为与所述多个图像的特征张量相同维度的特征张量；

将扩展后的所述目标图像的特征张量与所述多个图像的特征张量进行拼接，得到第一拼接特征张量；

将所述第一拼接特征张量输入到预先训练好的评估模型中，得到所述评估模型输出的评估矩阵；

根据所述评估矩阵确定所述第一评估向量；

将所述第一评估向量确定为所述目标评估向量。

3.根据权利要求2所述的方法，其特征在于，在根据所述评估矩阵确定所述第一评估向量之后，所述方法还包括：

确定所述目标图像的特征向量与所述多个图像的特征张量的余弦相似度，得到第二评估向量；

确定所述目标图像的特征向量与所述多个图像的特征张量的目标评估向量包括：

将所述第一评估向量与所述第二评估向量的乘积确定为所述目标评估向量。

4.根据权利要求2所述的方法，其特征在于，将所述第一拼接特征张量输入到预先训练好的评估模型中，得到所述评估模型输出的评估矩阵包括：

将所述第一拼接特征张量输入所述目标评估模型的第一层全连接层，得到所述第一层全连接层输出的第一特征张量；

将所述第一特征张量输入所述目标评估模型的第二层全连接层，得到所述第二层全连接处输出的第二特征张量；

将所述第二特征张量输入所述目标评估模型的softmax层，得到所述softmax层输出的评估矩阵，其中，所述评估矩阵为二维矩阵；所述评估矩阵的行索引对应数据库中多个图像的编号，列索引对应是否为同源图像，所述评估矩阵的第一列对应数据库中每个图像与所述目标图像为非同源图像的概率，第二列对应数据库中每个图像与目标图像为同源图像的概率；

根据所述评估矩阵确定所述第一评估向量包括：

从所述评估矩阵中选取第二列向量确定为所述第一评估向量。

5.根据权利要求1所述的方法，其特征在于，确定所述目标图像的特征向量包括：

将所述目标图像输入预先训练好的目标神经网络模型，得到所述目标神经网络模型输出的所述目标图像对应的特征向量。

6.根据权利要求1所述的方法，其特征在于，在获取待处理的目标图像与数据库中的多个图像之前，所述方法还包括：

获取预定数量的原始图像、以及所述原始图像对应的一组图像，其中，所述一组图像是相同数量的与所述原始图像对应的同源图像和非同源图像的集合；

使用所述预定数量的原始图像以及所述原始图像对应的一组图像对原始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述预定数量的原始图像以及所述原始图像对应的一组图像为所述原始神经网络模型的输入，训练好的所述目标神经网络模型输出的所述原始图像的特征向量与所述原始图像实际对应的特征向量满足预定目标函数，训练好的所述目标神经网络模型输出的所述一组图像的特征张量与所述一组图像实际对应的特征张量满足预定目标函数。