[发明专利]一种以图搜图方法

说明书

本申请涉及一种以图搜图方法，构建了多空间尺度孪生神经网络模型，该神经网络模型具有3个不同空间尺度的高层语义匹配层，可以实现跨空间匹配，进而实现了即使将不同尺寸的模板图像和待检索图像作为神经网络模型的输入数据也能够准确检索到与模板图像匹配的待检索图像，模型匹配精准度高，稳定性优良。

技术领域

本申请涉及图片信息处理技术领域，特别是涉及一种以图搜图方法。

背景技术

以图搜图是指根据图像视觉特征或者语义特征检索出具有相似内容的图像，是目前互联网上一种新型的检索方式。与以文字作为检索索引的检索方式不同，图像搜索技术的出现，使得用户对网上图像信息的搜索变得更加简单化和多样化。构建一个以图搜图系统需要解决两个最关键的问题：首先，如何提取图像特征；其次，如何构建特征数据搜索引擎，即如何使得特征数据构建成数据库并提供相似性搜索的功能。

由于置入匹配模型的模板图像和待检索图像的原始图像大小很有可能不一致，传统的以图搜图的方法的处理方式是在检索前对每张图像缩放一次。这种方式带了的一个很大的问题是，无法确定缩放后的模板图像和待检索图像的大小是否一致。而且。在每张图片检索时都要缩放一次图像，耗费大量的匹配模型计算量。图像缩放过小的话，图像的核心信息提取困难，因为图像缩放后目标边界框所包围的面积过小，核心信息的部分也缩放得过小，和其他非核心信息的部分区别不明显。因此，传统的以图搜图的方法导致匹配模型的匹配精准度不够准确，匹配模型稳定性差。

发明内容

基于此，有必要针对传统以图搜图方法无法确定缩放后的模板图像和待检索图像的大小是否一致的问题，提供一种以图搜图方法。

本申请提供一种以图搜图方法，所述以图搜图方法包括：

选取多张模板图像和多张待检索图像，对多张模板图像和多张待检索图像进行预处理；

构建多空间尺度孪生神经网络模型，将多空间尺度孪生神经网络模型作为特征提取器，并在多层特征输出层上构建相似度匹配器网络；

将预处理后的多张模板图像和多张待检索图像作为训练数据，将相似度匹配器网络作为辅助训练的工具，对多空间尺度孪生神经网络进行端对端的训练，得到多空间尺度孪生神经网络模型中的模型参数；

通过损失函数对模型参数进行校正，得到训练后的多空间尺度孪生神经网络模型；

当进行以图搜图时，将一张图像作为模板图像，将多张与模板图像近似的图像作为待检索图像，将模板图像和多张待检索图像输入至所述训练后的多空间尺度孪生神经网络模型；

获取训练后的多空间尺度孪生神经网络模型输出的模板图像的相似度检索结果。

本申请涉及的一种以图搜图方法，构建了多空间尺度孪生神经网络模型，该神经网络模型具有3个不同空间尺度的高层语义匹配层，可以实现跨空间匹配，进而实现了即使将不同尺寸的模板图像和待检索图像作为神经网络模型的输入数据也能够准确检索到与模板图像匹配的待检索图像，模型匹配精准度高，稳定性优良。

附图说明

图1为本申请一实施例提供的以图搜图方法的流程示意图；

图2为多空间尺度孪生神经网络模型对一个样本对中的待检索图像和模板的卷积处理过程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供一种以图搜图方法。需要说明的是，本申请提供的以图搜图方法的应用于图片信息处理领域。