[发明专利]基于相似图片组代表特征向量的图片检索方法及相关设备

权利要求书

1.一种基于相似图片组代表特征向量的图片检索方法，其特征在于，所述方法包括：

获取待检索图片和所述待检索图片的特征向量；

获取多个相似图片组和每个相似图片组的特征向量；

根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量；

计算所述待检索图片的特征向量与每个相似图片组的代表特征向量之间的距离；

确定与所述待检索图片的特征向量之间的距离最小的代表特征向量；

将确定的代表特征向量对应的相似图片组输出为所述待检索图片的检索结果。

2.如权利要求1所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述获取多个相似图片组和每个相似图片组的特征向量包括：

获取多个待归类图片；

将所述多个待归类图片进行预处理；

将每个预处理后的待归类图片输入卷积神经网络进行特征提取，得到每个待归类图片的特征向量；

计算每两个待归类图片的特征向量之间的距离；

根据每两个待归类图片的特征向量之间的距离构建至少一个连通图，所述至少一个连通图的每个顶点对应一个待归类图片，若两个待归类图片的特征向量之间的距离小于或等于预设阈值，则所述两个待归类图片对应的顶点用边相连；

对每个连通图进行减边处理，对于该连通图中的每条边，判断该条边的两个顶点所连接的顶点数是否小于该连通图的总顶点数，若该条边的两个顶点所连接的顶点数小于该连通图的总顶点数，则删除该条边；

根据所有减边处理后的连通图，输出所述多个相似图片组和每个相似图片组的特征向量。

3.如权利要求2所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述对每个连通图进行减边处理之后，所述方法还包括：

对每个减边处理后的连通图进行增边处理，若两个顶点在一个连通图中但是没有相连的边，则在所述两个顶点之间增加一条边。

4.如权利要求2所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述将每个预处理后的待归类图片输入卷积神经网络进行特征提取之前，所述方法还包括：

判断每个预处理后的待归类图片是否为遮挡图片；

若所述预处理后的待归类图片为遮挡图片，则对所述预处理后的待归类图片进行去遮挡处理。

5.如权利要求1至4中任一项所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量包括：

计算所述相似图片组的特征向量的平均值，将所述平均值作为所述相似图片组的代表特征向量；或者

计算所述相似图片组的特征向量的中位数，将所述中位数作为所述相似图片组的代表特征向量；或者

计算与所述相似图片组的特征向量的距离之和最小的特征向量，将与所述相似图片组的特征向量的距离之和最小的特征向量作为所述相似图片组的代表特征向量。

6.如权利要求1至4中任一项所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量包括：

获取参考图片和所述参考图片的特征向量；

计算所述相似图片组的特征向量与所述参考图片的特征向量之间的距离；

计算所述相似图片组的特征向量与所述参考图片的特征向量之间的距离的平均值，得到平均距离；

根据所述平均距离和所述参考图片的特征向量获取所述代表特征向量，所述代表特征向量与所述参考图片的特征向量之间的距离为所述平均距离。

7.如权利要求1至4中任一项所述的基于相似图片组代表特征向量的图片检索方法，其特征在于，所述根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量包括：

训练生成器，所述生成器的输入为随机噪声，输出为图片，所述生成器的损失函数为所述生成器生成的图片的特征向量与所述相似图片组的特征向量的平均距离，通过优化所述损失函数得到所述相似图片组的代表图片；

提取所述代表图片的特征向量，以所述代表图片的特征向量作为所述代表特征向量。