[发明专利]用于去除同源图片的方法、装置及服务器有效
申请号: | 202010573650.0 | 申请日: | 2020-06-22 |
公开(公告)号: | CN111723868B | 公开(公告)日: | 2023-07-21 |
发明(设计)人: | 潘威滔 | 申请(专利权)人: | 海尔优家智能科技(北京)有限公司 |
主分类号: | G06V10/72 | 分类号: | G06V10/72;G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06F16/583;G06F16/951 |
代理公司: | 北京康盛知识产权代理有限公司 11331 | 代理人: | 陶俊洁 |
地址: | 100088 北京市海淀区知春*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 去除 同源 图片 方法 装置 服务器 | ||
1.一种用于去除同源图片的方法,其特征在于,包括:
获取待测图片和原始图片;
将所述待测图片和原始图片输入识别模型获取所述待测图片和原始图片各自对应的第一特征图;
旋转所述第一特征图并获取旋转后的第二特征图;
获取所述第一特征图对应的第一特征向量和所述第二特征图对应的第二特征向量;
将所述第一特征向量和所述第二特征向量融合为第三特征向量;
在根据所述待测图片和原始图片各自的第三特征向量确定所述待测图片为所述原始图片的同源图片的情况下,去除所述待测图片;
获取所述待测图片和原始图片各自对应的第一特征图前,还包括:对所述待测图片的大小和所述原始图片的大小进行归一化处理,获得相同大小的待测图片和原始图片;
所述将所述待测图片和原始图片输入识别模型获取所述待测图片和原始图片各自对应的第一特征图,包括:将所述相同大小的待测图片和原始图片输入到卷积神经网络中,通过1×1卷积通道数进行处理,再通过3×3卷积加步长为2的方式得到相同大小的待测图片和原始图片各自对应的第一特征图;
所述旋转所述第一特征图并获取旋转后的第二特征图,包括:将所述第一特征图按照90°逆时针旋转三次,得到三个所述第一特征图每次旋转后对应的第二特征图;或,将所述第一特征图按照90°顺时针旋转三次,得到三个所述第一特征图每次旋转后对应的第二特征图。
2.根据权利要求1所述的方法,其特征在于,获取所述第一特征图对应的第一特征向量和所述第二特征图对应的第二特征向量,包括:
通过全连接层从所述第一特征图获得对应的第一特征向量、通过全连接层从第二特征图获得对应的第二特征向量。
3.根据权利要求1所述的方法,其特征在于,根据所述待测图片和原始图片各自的第三特征向量确定所述待测图片为所述原始图片的同源图片,包括:
根据所述待测图片和原始图片各自的第三特征向量获取所述待测图片与所述原始图片的相似度;
根据所述相似度确定所述待测图片为所述原始图片的同源图片。
4.根据权利要求3所述的方法,其特征在于,根据所述相似度确定所述待测图片为同源图片,包括:
在所述相似度大于或等于设定阈值的情况下,确定所述待测图片为同源图片。
5.根据权利要求1所述的方法,其特征在于,所述识别模型按以下方式得到:
获取非同源训练图片并获取所述非同源训练图片的同源图片;
将所述非同源训练图片及其对应的同源图片输入到卷积神经网络中进行训练得到语义特征图;
对提取到的语义特征图进行旋转,得到旋转后的语义特征图;
根据所述旋转后的语义特征图获得识别模型。
6.根据权利要求1至5任一项所述的方法,其特征在于,获取所述待测图片和原始图片各自对应的第一特征图前,还包括:
在待测图片为灰度图的情况下,将所述待测图片转换为三通道图像;和/或,
在原始图片为灰度图的情况下,将所述原始图片转换为三通道图像。
7.一种用于去除同源图片的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至6任一项所述的用于去除同源图片的方法。
8.一种服务器,其特征在于,包括如权利要求7所述的用于去除同源图片的装置。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于海尔优家智能科技(北京)有限公司,未经海尔优家智能科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010573650.0/1.html,转载请声明来源钻瓜专利网。