[发明专利]一种基于分段困难样本生成的检索方法及装置

权利要求书

1.一种基于分段困难样本生成的检索方法，其特征在于，包括：

提取待检索图像的特征；

将所述待检索图像的特征作为检索模型的输入，通过所述检索模型，得到与所述待检索图像相关的检索结果，以及所述待检索图像的特征与所述检索模型数据库中图像的特征之间的距离分数；其中，所述检索模型是基于作为样本集的原始三元图像组以及通过两阶段的困难样本生成框架THSG得到的最终困难三元样本组训练得到的；其中，所述最终困难三元样本组是通过所述THSG的第一阶段中，对原始三元图像组中原始正样本对增加困难程度，得到困难正样本对；调整所述困难正样本对的标签与所述原始正样本对的标签一致，输出调整后困难正样本对和所述原始三元图像组中原始负样本至所述THSG的第二阶段；在所述THSG的第二阶段中，对所述原始负样本增加困难程度，得到最终困难负样本及最终困难正样本对；合成所述最终困难正样本对与所述最终困难负样本，得到最终困难三元样本组；

根据所述距离分数的高低，对与所述待检索图像相关的检索结果进行排序，得到与所述待检索图像最相关的检索结果；

通过如下步骤，得到所述检索模型：

获取作为样本集的原始三元图像组；

在两阶段的困难样本生成框架THSG的第一阶段中，采用分段线性拉伸PLM的方式，对所述原始正样本对拉伸，增加困难程度，得到困难正样本对；其中，所述困难正样本对包括：困难候选样本和困难正样本；

基于已训练第一生成对抗神经网络，调整所述困难正样本对的标签与所述原始正样本对的标签一致，输出调整后困难正样本对，以及所述原始负样本至所述THSG的第二阶段；其中，所述已训练第一生成对抗神经网络包括：困难正样本对生成器HAPG及与所述HAPG对应的鉴别器HAPD；

在所述THSG的第二阶段中，基于已训练第二生成对抗神经网络，对所述原始负样本增加困难程度，得到最终困难负样本，并输出最终困难正样本对；其中，所述已训练第二生成对抗神经网络包括：困难三元样本生成器HTG以及与所述HTG对应的鉴别器HTD；

合成所述最终困难正样本对与所述最终困难负样本，得到最终困难三元样本组；

将最终困难三元样本组作为样本集，训练卷积神经网络，得到所述检索模型。

2.如权利要求1所述的方法，其特征在于，所述提取待检索图像的特征，包括：

提取待检索动物图像的特征；

所述将所述待检索图像的特征作为检索模型的输入，通过所述检索模型，得到与所述待检索图像相关的检索结果，以及所述待检索图像的特征与所述检索模型数据库中图像的特征之间的距离分数，包括：

将所述待检索动物图像的特征作为检索模型的输入，通过所述检索模型，得到与所述待检索动物图像相关的检索结果，以及所述待检索动物图像的特征与所述检索模型数据库中图像的特征之间的距离分数；

所述根据所述距离分数的高低，对与所述待检索图像相关的检索结果进行排序，得到所述待检索图像最相关的检索结果，包括：

根据所述距离分数的高低，对与所述待检索图像相关的检索结果进行排序，得到与所述待检索动物图像最相关的动物检索结果。

3.如权利要求1所述的方法，其特征在于，所述基于已训练第一生成对抗神经网络，调整所述困难正样本对的标签与所述原始正样本对的标签一致，输出调整后困难正样本对，以及所述原始负样本至所述THSG的第二阶段，包括：

基于已训练第一生成对抗神经网络和已训练第三生成对抗神经网络，调整所述困难正样本对的标签与所述原始正样本对的标签一致，输出调整后困难正样本对以及所述原始负样本至所述THSG的第二阶段，其中，所述已训练第三生成对抗神经网络包括：重建条件生成器RCG以及与所述RCG对应的鉴别器RCD。