[发明专利]一种针对有褶皱形变的图像快速搜索方法

权利要求书

1.一种针对有褶皱形变的图像快速搜索方法，包括有目标检测模组、特征提取模块、搜索模块，其特征在于，所述目标检测模组基于卷积网络，目标检测模组是一种弱监督模型，负责对图像的内容和材质进行分段抽象，进而确定该图像中的目标位置并计算出最佳的目标区域，所述提取模块利用神经网络来学习实拍图的背景区域，并利用该模型去除形变的布样照片背景，再对去除背景后的图片进行SIFT特征提取，最后到花型图库中进行特征向量检索，返回最佳匹配结果的花型图案。

2.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述目标检测模组基于标准的16层VGG网络，加入了soft proposal模块，该模块可插入网络的任意一层卷积层后，根据前一层的特征图，计算特征差异与空间距离，从而得到目标置信值（Objectness confidence），最后根据置信图得到预测的前景/背景分割框。

3.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述特征提取模块基于尺度不变特征变换（SIFT），该模块提取出图像的最显著的N个关键点，用N个独特的特征向量来表示。

4.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述搜索模块基于高维向量相似度检索聚类（FAISS），搜索模块针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索。

5.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述搜索模块对于海量的图片库，该模块存储之前SIFT特征提取模块，并集成各种聚类、降维算法降低存储空间。

6.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述目标检测模组的步骤：

步骤一、输入图片经过传统VGG网络的（L-1）层卷积层的特征图提取，输出结果传入新增的Soft Proposal层；

步骤二、Soft Proposal生成，根据图传播计算出生成的权重矩阵，表示目标在各像素点的概率；

步骤三、Soft Proposal耦合训练，并利用随机漫步（random walk）模型来更新概率图；

步骤四、重复步骤二步骤三直至收敛，输出概率图计算出的边界框。

7.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述特征提取模块的步骤：

步骤一、对一张实拍图进行缩放，像素点不高于2.5亿像素；

步骤二、使用opencv的SIFT特征点提取，提取前N个最显著的特征向量；

步骤三、存储至一个二维矩阵中。

8.根据权利要求1所述的一种针对有褶皱形变的图像快速搜索方法，其特征在于，所述特征搜索模块的步骤：

步骤一、将图库中的所有图片通过步骤2计算出特征点库，并存储在FAISS的索引文件index中，另外还需存储图片id与特征点的对应关系id_vectors；

步骤二、将索引文件index及id_vectors预先加载至内存中；

步骤三、将输入的query图片依次通过步骤1，步骤2计算出特征点，并在内存中搜索其K近邻；

步骤四、返回前K张输入图片的近似图。