[发明专利]一种特征提取模型生成方法、图像检索方法、装置及设备

说明书

本申请实施例公开了一种特征提取模型生成方法、图像检索方法、装置及设备，该特征提取模型生成方法包括：在获取到训练图像之后，先将该训练图像输入图像分类模型，获取图像分类模型中的特征提取层输出的训练图像的图像特征、以及图像分类模型中的类别预测层输出的训练图像的预测类别，并对训练图像的图像特征进行聚类得到训练图像的当前聚类类别；再根据训练图像的预测类别和训练图像的当前聚类类别，更新图像分类模型的模型参数，并返回执行上述将训练图像输入图像分类模型以及后续步骤，直至达到停止条件，根据图像分类模型中的特征提取层生成特征提取模型，如此使得该特征提取模型能够从图像中提取出用于准确地表征图像携带的信息的图像特征。

技术领域

本申请涉及自动化机器学习技术领域，具体涉及一种特征提取模型生成方法、图像检索方法、装置及设备。

背景技术

随着机器学习技术的发展，图像检索的应用范围逐渐扩大。所谓图像检索是指从预先建立的图像库中找到与待检索图像相似的图像。

另外，图像间相似性可以依据图像特征进行确定，其具体为：两个图像的图像特征之间的差距越小，则可以确定这两个图像越相似；两个图像的图像特征之间的差距越大，则可以确定这两个图像越不相似。其中，图像特征是指从图像中提取出来的用于表征图像携带的信息的特征。

然而，如何从图像中提取图像特征仍是一个亟待解决的技术问题。

发明内容

有鉴于此，本申请实施例提供一种特征提取模型生成方法、图像检索方法、装置及设备，能够从图像中提取出用于准确地表征图像携带的信息的图像特征。

为解决上述问题，本申请实施例提供的技术方案如下：

一种特征提取模型生成方法，包括：

获取训练图像；

将所述训练图像输入图像分类模型，获取所述图像分类模型中的特征提取层输出的所述训练图像的图像特征、以及所述图像分类模型中的类别预测层输出的所述训练图像的预测类别；其中，所述特征提取层用于从所述训练图像中提取所述训练图像的图像特征；所述类别预测层用于根据所述特征提取层输出的所述训练图像的图像特征，确定所述训练图像的预测类别；

对所述训练图像的图像特征进行聚类，得到所述训练图像的当前聚类类别；

根据所述训练图像的预测类别和所述训练图像的当前聚类类别，更新所述图像分类模型的模型参数，并继续执行所述将所述训练图像输入图像分类模型以及后续步骤，直至达到停止条件，根据所述图像分类模型中的特征提取层生成特征提取模型。

在一种可能的实现方式中，所述根据所述训练图像的预测类别和所述训练图像的当前聚类类别，更新所述图像分类模型的模型参数，包括：

在确定所述训练图像的当前聚类类别满足校正条件时，对所述训练图像的当前聚类类别进行校正，得到所述训练图像的标签类别；

根据所述训练图像的预测类别和所述训练图像的标签类别，更新所述图像分类模型的模型参数。

在一种可能的实现方式中，所述方法还包括：

根据所述训练图像的当前聚类类别与所述训练图像的参考聚类类别之间的差距，得到聚类差距；

在确定所述聚类差距达到差距阈值时，确定所述训练图像的当前聚类类别满足校正条件。

在一种可能的实现方式中，当所述训练图像的个数为N个时，所述对所述训练图像的当前聚类类别进行校正，得到所述训练图像的标签类别，包括：

将第i个训练图像的当前聚类类别确定为目标类别；

将以所述目标类别作为当前聚类类别的各个训练图像的集合，确定为目标图像集；