[发明专利]图像检索方法、装置、设备和介质

权利要求书

1.一种图像检索方法，其特征在于，包括：

利用预设神经网络模型，提取待检索图像的全局特征和局部特征，以及提取待召回图像的全局特征和局部特征；

通过所述待检索图像和所述待召回图像之间的全局特征匹配和局部特征匹配，确定候选图像集合；

通过对所述待检索图像和所述候选图像集合中的候选图像进行局部特征验证，从所述候选图像集合中确定检索结果。

2.根据权利要求1所述的方法，其特征在于，利用预设神经网络模型，提取待检索图像的全局特征和局部特征，以及提取待召回图像的全局特征和局部特征，包括：

利用残差神经网络模型，分别提取所述待检索图像和所述待召回图像的全局特征；

利用所述残差神经网络模型和注意力模型，分别提取所述待检索图像和所述待召回图像的局部特征。

3.根据权利要求2所述的方法，其特征在于，在提取所述待检索图像和所述待召回图像的局部特征的过程中，所述残差神经网络模型的输出层作为所述注意力模型的输入层。

4.根据权利要求1所述的方法，其特征在于，通过对所述待检索图像和所述候选图像集合中的候选图像进行局部特征验证，从所述候选图像集合中确定检索结果，包括：

确定所述待检索图像的局部特征和所述候选图像集合中候选图像的局部特征之间的特征匹配点；

根据所述待检索图像和所述候选图像之间局部特征的相对位置关系，确定所述待检索图像和所述候选图像之间的特征变换矩阵；

根据所述候选图像的特征匹配点中满足所述特征变换矩阵的匹配点数量，从所述候选图像集合中确定所述检索结果。

5.根据权利要求1所述的方法，其特征在于，通过所述待检索图像和所述待召回图像之间的全局特征匹配和局部特征匹配，确定候选图像集合，包括：

通过所述待检索图像和所述待召回图像之间的全局特征匹配，确定召回图像集合；

通过所述待检索图像和所述召回图像集合中召回图像之间的局部特征匹配，确定所述候选图像集合。

6.根据权利要求5所述的方法，其特征在于，通过所述待检索图像和所述待召回图像之间的全局特征匹配，确定召回图像集合，包括：

根据所述待召回图像的全局特征，对所述待召回图像进行层次聚类处理，得到至少一个图像聚类集合；

根据所述图像聚类集合对应的聚类中心特征与所述待检索图像的全局特征之间的特征距离，从所述至少一个图像聚类集合中确定目标聚类集合；

通过所述目标聚类集合中图像与所述待检索图像之间的全局特征匹配，确定所述召回图像集合。

7.根据权利要求5所述的方法，其特征在于，在通过所述待检索图像和所述待召回图像之间的全局特征匹配，确定召回图像集合之前，所述方法还包括：

对所述待检索图像和所述待召回图像的全局特征进行压缩处理。

8.一种图像检索装置，其特征在于，包括：

特征提取模块，用于利用预设神经网络模型，提取待检索图像的全局特征和局部特征，以及提取待召回图像的全局特征和局部特征；

特征匹配模块，用于通过所述待检索图像和所述待召回图像之间的全局特征匹配和局部特征匹配，确定候选图像集合；

检索结果确定模块，用于通过对所述待检索图像和所述候选图像集合中的候选图像进行局部特征验证，从所述候选图像集合中确定检索结果。

9.根据权利要求8所述的装置，其特征在于，所述特征提取模块包括：

全局特征提取单元，用于利用残差神经网络模型，分别提取所述待检索图像和所述待召回图像的全局特征；

局部特征提取单元，用于利用所述残差神经网络模型和注意力模型，分别提取所述待检索图像和所述待召回图像的局部特征。

10.根据权利要求9所述的装置，其特征在于，在提取所述待检索图像和所述待召回图像的局部特征的过程中，所述残差神经网络模型的输出层作为所述注意力模型的输入层。