[发明专利]图像搜索的预测方法、装置和系统

权利要求书

1.一种图像搜索的预测方法，其特征在于，包括：

利用源域模型进行领域自适应学习，训练得到目标域模型，其中，所述源域模型包括：至少两个网络模型，所述网络模型分别对应不同的商品类别；

将待搜索图像和多个类别商品的样本集设置为所述目标域模型的输入参数，得到与所述待搜索图像对应的预测结果。

2.根据权利要求1所述的方法，其特征在于，多个网络模型对应相同的商品类别，或者，多个商品类别对应相同的网络模型。

3.根据权利要求1所述的方法，其特征在于，利用所述源域模型进行领域自适应学习，训练得到所述目标域模型包括：

采用由图像数据集预训练成的模型对所述目标域模型进行初始化，得到初始模型参数；

分别向所述源域模型和所述目标域模型输入样本图像数据，获取所述源域模型与所述目标域模型之间的损失函数的计算结果，其中，所述损失函数用于控制所述源域模型与所述目标域模型在相同特征空间中的距离；

基于所述计算结果对所述初始模型参数进行调整，得到目标模型参数。

4.根据权利要求3所述的方法，其特征在于，分别向所述源域模型和所述目标域模型输入所述样本图像数据，获取所述计算结果包括：

计算第一特征向量与第二特征向量之间的距离，得到第一中间结果，其中，所述第一特征向量是将所述样本图像数据输入至所述源域模型中对应类别的网络模型后生成的特征向量，所述第二特征向量是将所述样本图像数据输入至所述目标域模型后生成的特征向量；

计算第一协方差矩阵与第二协方差矩阵之间的距离，得到第二中间结果，其中，所述第一协方差矩阵为所述源域模型中指定中间层特征的协方差矩阵，所述第二协方差矩阵为所述目标域模型中指定中间层特征的协方差矩阵；

基于所述第一中间结果和所述第二中间结果获取所述计算结果。

5.根据权利要求4所述的方法，其特征在于，计算所述第一协方差矩阵与所述第二协方差矩阵之间的距离，得到所述第二中间结果包括：

从与所述样本图像数据对应类别的网络模型的指定中间层获取所述第一协方差矩阵，以及从所述目标域模型的指定中间层获取所述第二协方差矩阵；

采用所述第一协方差矩阵、所述第二协方差矩阵以及指定中间层特征维度计算得到所述第二中间结果。

6.根据权利要求4所述的方法，其特征在于，基于所述第一中间结果和所述第二中间结果获取所述计算结果包括：

计算预设比例系数与所述第二中间结果的乘积结果；

计算所述第一中间结果与所述乘积结果的和值，得到所述计算结果。

7.根据权利要求1所述的方法，其特征在于，将所述待搜索图像和所述多个类别商品的样本集设置为所述输入参数，得到所述预测结果包括：

将所述待搜索图像和所述多个类别商品的样本集设置为所述输入参数，进行统一特征提取处理，得到多个备选结果；

对所述多个备选结果进行投票处理，选取投票最多的类别作为所述预测结果。

8.一种图像搜索的预测方法，其特征在于，包括：

获取待搜索图像和多个类别商品的样本集；

利用目标域模型对所述待搜索图像和所述多个类别商品的样本集进行类目预测处理，得到多个备选结果；

从所述多个备选结果中选取待输出的预测结果；

其中，所述目标域模型是利用源域模型进行领域自适应学习所训练得到的网络模型，所述源域模型包括：至少两个网络模型，所述网络模型分别对应不同的商品类别。

9.一种图像搜索的预测装置，其特征在于，包括：

训练模块，用于利用源域模型进行领域自适应学习，训练得到目标域模型，其中，所述源域模型包括：至少两个网络模型，所述网络模型分别对应不同的商品类别；

处理模块，用于将待搜索图像和多个类别商品的样本集设置为所述目标域模型的输入参数，得到与所述待搜索图像对应的预测结果。