[发明专利]对象类别的识别方法和装置及服务器

说明书

本公开关于一种对象类别的识别方法和装置及服务器。其中，该方法包括：获取待检索图像；识别待检索图像，得到待检索图像的目标特征向量；从聚类中心集合中获取与目标特征向量之间的距离最近的目标聚类中心，其中，聚类中心集合包括：至少一个对象类别，以及每个对象类别对应的多个聚类中心；获取目标聚类中心对应的对象类别，作为待检索图像的分类识别结果。本公开实施例通过聚类的方式构建聚类中心集合，并通过获取最近距离的目标聚类中心，得到分类识别结果，无需建立全部图像的数据结构，达到降低新增数据或新增分类的开销，提升对象类别的识别方法扩展性的效果，进而解决了相关技术中通过构建检索索引图实现图像匹配的方法扩展性较差的问题。

技术领域

本公开涉及人工智能领域，尤其涉及一种对象类别的识别方法和装置及服务器。

背景技术

在以图搜图的应用场景中，传统实现方案如下：基于全量的存量图片提取特征向量，基于特征向量构造层级化索引，进而构造检索索引图；在接收到检索图片之后首先提取隐层特征向量，然后针对检索索引图基于层级化路径检索最匹配的图片，并将检索到的图片返回给用户查看。

但是，当检索过程中遇到bad case（也即，检索图片的分类错误）需要补充新的数据，或针对当前数据分布需要补充新的分类（例如，某个类型的图片人气较高）时，需要修改检索索引图中的大部分数据结构化索引的数据结构，新增数据或新增分类开销较大，导致传统实现方案的扩展性较差。

发明内容

本公开提供一种对象类别的识别方法和装置及服务器，以至少解决相关技术中通过构建检索索引图实现图像匹配的方法扩展性较差的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种对象类别的识别方法，包括获取待检索图像；识别待检索图像，得到待检索图像的目标特征向量；从聚类中心集合中获取与目标特征向量之间的距离最近的目标聚类中心，其中，聚类中心集合包括：至少一个对象类别，以及每个对象类别对应的多个聚类中心；获取目标聚类中心对应的对象类别，作为待检索图像的分类识别结果。

可选地，在从聚类中心集合中获取与目标特征向量之间的距离最近的目标聚类中心步骤之前，对象类型的识别方法还包括：获取多张预设图像，以及每张预设图像的对象类别；基于每张预设图像的对象类别对多张预设图像进行分组，得到至少一个图像集合，其中，每个图像集合包含的预设图像的对象类别相同；对每个图像集合包含的预设图像进行聚类操作，得到每个对象类别对应的多个聚类中心；基于至少一个对象类别对应的多个聚类中心，构建聚类中心集合。

可选地，对每个图像集合包含的预设图像进行聚类操作，得到每个对象类别对应的多个聚类中心步骤包括：识别多张预设图像，得到多张预设图像的特征向量；对每个图像集合包含的预设图像的特征向量进行聚类操作，得到每个对象类别对应的多个聚类中心。

可选地，获取目标聚类中心对应的对象类别，得到待检索图像的分类识别结果步骤包括：基于聚类中心与对象类别的对应关系，确定目标聚类中心对应的对象类别；确定目标聚类中心对应的对象类别为分类识别结果。

可选地，在获取目标聚类中心对应的对象类别，得到待检索图像的分类识别结果步骤之后，对象类型的识别方法还包括：判断分类识别结果是否为预设识别结果；如果分类识别结果不是预设识别结果，则将目标特征向量存储至聚类中心集合，并存储目标特征向量与预设识别结果的对应关系，或，将目标聚类中心对应的对象类别修改为预设识别结果。

可选地，对象类型的识别方法还包括：获取新增类别对应的多张新增图像；识别多张新增图像，得到多张新增图像的特征向量；将多张新增图像的特征向量存储至聚类中心集合；存储多张新增图像的特征向量与新增类别的对应关系。

可选地，将多张新增图像的特征向量存储至聚类中心集合中步骤包括：对多张新增图像的特征向量进行聚类操作，得到新增类别对应的多个聚类中心；将新增类别对应的多个聚类中心存储至聚类中心集合中。