[发明专利]相似图像检测方法、装置、设备及存储介质

权利要求书

1.一种相似图像检测方法，其特征在于，所述方法包括：

获取待检测的多张图像；

将所述多张图像作为卷积神经网络CNN模型的输入，通过所述CNN模型对所述多张图像进行特征提取，得到所述多张图像的特征向量；

将所述多张图像的特征向量作为支持向量机SVM模型的输入，通过所述SVM模型对所述多张图像的特征向量进行相似性度量，得到所述多张图像的相似性度量值；

基于所述多张图像的相似性度量值，对所述多张图像进行相似图像检测。

2.根据权利要求1所述的方法，其特征在于，所述CNN模型为视觉几何组网络VGGNet模型，且所述VGGNet模型是基于样本数据集进行训练得到，所述样本数据集包括多种类别的样本图像和每张样本图像的类别标记信息。

3.根据权利要求1所述的方法，其特征在于，所述通过所述SVM模型对所述多张图像的特征向量进行相似性度量，包括：

通过所述SVM模型的分类函数，确定每张图像的分类函数值，将每张图像的分类函数值作为每张图像的相似性度量值；其中，所述分类函数用于表征对图像进行分类的分类超平面，每张图像的分类函数值用于表征每张图像与所述分类超平面之间的距离。

4.根据权利要求1所述的方法，其特征在于，所述基于所述多张图像的相似性度量值，对所述多张图像进行相似图像检测，包括：

将所述多张图像中相似性度量值位于同一度量值范围内的至少两张图像确定为相似图像；

将所述相似图像确定为同一类别的图像。

5.根据权利要求1-4任一所述的方法，其特征在于，所述通过所述SVM模型对所述多张图像的特征向量进行相似性度量之前，还包括：

获取第一样本数据集，所述第一样本数据集包括多种类别的第一样本图像和每张第一样本图像的类别标记信息；

将所述多种类别的第一样本图像作为所述CNN模型的输入，通过所述CNN模型对所述多种类别的第一样本图像进行特征提取，得到所述多种类别的第一样本图像的特征向量；

根据所述多种类别的第一样本图像的特征向量以及每张第一样本图像的类别标记信息，对待训练SVM模型进行训练，得到所述SVM模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述多种类别的第一样本图像的特征向量以及每张第一样本图像的类别标记信息，对待训练SVM模型进行训练，得到所述SVM模型，包括：

根据所述多种类别的第一样本图像的特征向量以及每张第一样本图像的类别标记信息，对目标函数进行求解，得到所述SVM模型的分类函数；其中，所述目标函数用于指示所述多种类别的第一样本图像中不同类别的第一样本图像之间的间隔最大。

7.根据权利要求1-4任一所述的方法，其特征在于，所述将所述多张图像作为卷积神经网络CNN模型的输入，通过所述CNN模型对所述多张图像进行特征提取之前，还包括：

根据第二样本数据集对待训练CNN模型进行预训练，得到初始化CNN模型，所述第二样本数据集包括多种类别的第二样本图像和每张第二样本图像的类别标记信息；

根据第三样本数据集对所述初始化CNN模型进行训练，得到所述CNN模型，所述第三样本数据集包括多种类别的第三样本图像和每张第三样本图像的类别标记信息。

8.根据权利要求7所述的方法，其特征在于，所述第三样本数据集包括第一子样本数据集和第二子样本数据集，所述第一子样本数据集包括M张第三样本图像，且所述M张第三样本图像属于S个类别，所述第二子样本数据集包括N张第三样本图像，且所述N张第三样本图像属于T个类别，所述M张第三样本图像与所述N张第三样本图像不同。