[发明专利]图像搜索的预测方法、装置和系统

说明书

本申请公开了一种图像搜索的预测方法、装置和系统。其中，该方法包括：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，源域模型包括：至少两个网络模型，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目标域模型的输入参数，得到与待搜索图像对应的预测结果。本申请解决了现有技术采用类目预测的方式对图像进行预测的过程中存在预测不准确的技术问题。

技术领域

本申请涉及图像检索领域，具体而言，涉及一种图像搜索的预测方法、装置和系统。

背景技术

电子商务平台是建立在互联网上进行商务活动的电子平台，目前，电子商务平台不仅可以应用在企业的商务洽谈方面，还可应用在普通的商品交易方面。以商品交易为例，电子商务平台具有规模巨大、品类繁多的商品库，电子商务平台需要对商品库中的商品进行管理，通常，电子商务平台通过图像检索的方式对商品库中的商品进行管理。而图像特征提取(即图像向量化)是图像检索的第一步，通过高效的特征向量索引即可向电子商务平台返回同款商品，因此图像特征向量化的质量决定了整个检索系统是否能够检索成功。

为了提高检索准确率，现有技术通常针对不同的商品类别采用不同的网络模型来提取特征，而这些网络模型结构通常相同，但采用不同类别的数据针对性训练，因此模型参数不同。例如，图1示出了现有技术的一种图像搜索的示意图，由图1可知，在现有技术中，在输入待搜索的图像之后，对待搜索的图像先进行CNN(Convolutional Neural Networks，卷积神经网络)模型的类目预测，以确定对待搜索的图像进行特征提取的网络模型，如在图1中，对待搜索的图像进行特征提取的网络模型包括衣服模型、鞋模型、包模型以及其他模型。在确定了网络模型之后，通过确定的网络模型对待搜索的图像进行特征提取，最后基于提取到的特征得到待搜索的图像对应的搜索结果。

然而，上述方案最终检索结果依赖于类目预测，如果类目预测的结果出现错误，例如，输入的待搜索的图像为衣服，但类目预测对应的网络模型为鞋模型，则在对衣服的待搜索的图像进行特征提取时，使用鞋模型进行特征提取，得到的特征可能存在不准确的问题，使得对待搜索的图像的搜索结果存在误差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种图像搜索的预测方法、装置和系统，以至少解决现有技术采用类目预测的方式对图像进行预测的过程中存在预测不准确的技术问题。

根据本申请实施例的一个方面，提供了一种图像搜索的预测方法，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，源域模型包括：至少两个网络模型，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目标域模型的输入参数，得到与待搜索图像对应的预测结果。

根据本申请实施例的一个方面，提供了一种图像搜索的预测方法，包括：获取待搜索图像和多个类别商品的样本集；利用目标域模型对待搜索图像和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；从多个备选结果中选取待输出的预测结果；其中，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，源域模型包括：至少两个网络模型，网络模型分别对应不同的商品类别。

根据本申请实施例的另一方面，还提供了一种图像搜索的预测装置，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，源域模型包括：至少两个网络模型，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目标域模型的输入参数，得到与待搜索图像对应的预测结果。

根据本申请实施例的一个方面，提供了一种图像搜索方法，包括：获取待搜索图像；将待搜索图像输入目标域机器学习模型，其中，目标域机器学习模型至少基于源域机器学习模型训练生成；通过目标域机器学习模型，获取待搜索图像的特征；基于特征，反馈与待搜索图像对应的图像搜索结果。