[发明专利]一种图像检索方法及装置

说明书

本申请公开了一种图像检索方法及装置，方法包括：采用预置特征提取模型提取预置图像数据集中的每个图像的特征向量，得到特征向量集；将每个特征向量划分为M段，得到M个特征向量子集，特征向量子集包括段特征向量；逐段将所有的段特征向量进行无监督聚类，得到收敛后的多个类别中心，类别中心包括索引号；根据每个段特征向量与类别中心的最小距离对段特征向量进行分类，得到索引特征库；将检索图像对应的不同的检索段特征向量根据索引号和索引特征库逐段进行目标匹配，并将匹配得到的段特征向量组合得到目标匹配结果。本申请解决了现有的以图搜图的检索技术效率低且精度差，无法满足用户的实际需求，降低了用户体验感的技术问题。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种图像检索方法及装置。

背景技术

以图搜图，是通过搜索图像文本或者视觉特征，为用户提供互联网上相关图形图像资料检索服务的专业搜索引擎系统，是搜索引擎的一种细分。通过输入与图片名称或内容相似的关键字来进行检索，另一种通过上传与搜索结果相似的图片或图片URL进行搜索。

互联网上图像的数据信息日渐庞大，用户对网上图像搜索的要求也在不断提高，使各种图像搜索技术应运而生。图像搜索技术的出现，使我们对网上图像信息的搜索变得非常简单，尽管还不很完美，却已经可以满足我们的大多数需求。

目前的以图搜图的技术检索效率和检索精度都较低，无法高效地满足用户的需求，还会降低用户的体验感。

发明内容

本申请提供了一种图像检索方法及装置，用于解决现有的以图搜图的检索技术效率低且精度差，无法满足用户的实际需求，降低了用户体验感的技术问题。

有鉴于此，本申请第一方面提供了一种图像检索方法，包括：

采用预置特征提取模型提取预置图像数据集中的每个图像的特征向量，得到特征向量集，所述特征向量集以二进制文件保存；

将每个所述特征向量划分为M段，得到M个特征向量子集，所述特征向量子集包括段特征向量；

逐段将所有的所述段特征向量进行无监督聚类，得到收敛后的多个类别中心，所述类别中心包括索引号；

根据所述每个段特征向量与所述类别中心的最小距离对所述段特征向量进行分类，得到索引特征库；

将检索图像对应的不同的检索段特征向量根据所述索引号和所述索引特征库逐段进行目标匹配，并将匹配得到的所述段特征向量组合得到目标匹配结果。

优选地，所述采用预置特征提取模型提取预置图像数据集中的每个图像的特征向量，得到特征向量集，之前还包括：

将获取到的图像数据集进行清洗操作，得到所述预置图像数据集，所述清洗操作包括去重操作和去损坏操作。

优选地，所述采用预置特征提取模型提取预置图像数据集中的每个图像的特征向量，得到特征向量集，之前还包括：

采用预训练图像数据集对神经网络模型进行预训练，得到所述预置特征提取模型。

优选地，所述采用预置特征提取模型提取预置图像数据集中的每个图像的特征向量，得到特征向量集，还包括：

计算所有所述特征向量两两之间的特征距离，并按所述特征距离对所述特征向量进行升序排列。

优选地，所述根据所述每个段特征向量与所述类别中心的最小距离对所述段特征向量进行分类，得到索引特征库，包括：

分别计算每个所述段特征向量与所有所述类别中心的距离；

将所述段特征向量分配到最小距离对应的所述类别中心的类别中；

根据所有所述段特征向量的分类建立索引特征库。