[发明专利]一种图像检索方法、装置、设备及存储介质

说明书

本申请提供一种图像检索方法、装置、计算机设备及储存介质，该方法包括获取待测目标图像的置信度和检测框；提取待测目标图像的局部特征，并获取局部特征所对应的感受野；根据检测框和感受野，计算局部特征的加权比重；根据置信度，对加权后的局部特征融合得到待测目标图像的全局特征；根据全局特征进行图像检索。本方法通过获取和利用目标检测模型产生的检测置信度和检测框信息，通过提取待测目标图像的局部特征，计算感受野和检测框的交并比，并进行加权分析，再利用置信度加权融合注意力局部特征得到全局特征进行图像检索，本申请可避免裁剪多个子图像，减少背景的负面影响，提高了图像检索准确率及检索效率。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像检索方法、装置、设备及存储介质。

背景技术

目标检测，是一种基于目标几何和统计特征的图像定位与识别，能识别出图像中物体的类别、位置和大小。它将目标的定位和识别合二为一，目标检测作为在大量的视觉信息中来定位区域或目标的一种处理过程被应用于多项领域当中。

近年来，图像检索技术广泛应用于如商品、商标、艺术品、地标建筑室内室外等检索服务中。现有技术中的较为成熟的技术一般为基于输入图像获取其图像特征，并进一步经由特征进行检索，最终输出与输入图像相似的图像。如直接将待测目标的整幅图像直接输入到神经网络中，通过检测并裁剪感兴趣目标区域而形成感兴趣的子图像，并对子图像分别提取并融合图像特征来进行检索，但是该方法一般需要使用多个神经网络独立的提取多个子图像的特征，深度神经网络应用的过程包括首先获取样本，标注样本，然后用样本来训练神经网络，让神经网络学习到样本的特征，最后在训练好的神经网络上预测新的样本。其可以对输入图像上的每个像素进行分类，可以对输出图像上从像素级别区别哪些像素是背景，哪些像素属于哪种类型的缺陷，因而其计算量大，效率不高，检索速度慢，并且一般的图像中都会带有干扰，如背景，遮挡，光照，拍摄角度等，这些都会对神经网络产生影响，成为检索目标重要的障碍，降低检索准确性。

发明内容

本申请实施例的目的在于提出一种图像检索方法、装置、设备及存储介质，用于解决现有技术中裁剪形成多个子图像，干扰信息多，计算量大，并且检索速度慢准确性低的技术问题。

为了解决上述技术问题，本申请实施例提供一种图像检索方法，包括下述步骤：

获取待测目标图像的置信度和检测框；

提取所述待测目标图像的局部特征，并获取所述局部特征所对应的感受野；

根据所述检测框和感受野，计算所述局部特征的加权比重；

根据所述所述置信度，对加权后的所述局部特征融合得到所述待测目标图像的全局特征；

根据所述全局特征进行图像检索。

进一步地，所述根据所述检测框和感受野，计算所述局部特征的加权比重的步骤，包括：

根据所述检测框和感受野，计算所述局部特征的交并比；

根据所述交并比，计算所述局部特征的注意得分；

根据所述注意力得分计算所述局部特征的注意力权重。

进一步地，根据以下公式计算所述局部特征的交并比：

IOU＝|A∩B|/A∪B|；

其中，IOU为所述局部特征的交并比，A为所述局部特征的感受野，B为检测框。

进一步地，所述根据公式①或公式②计算所述局部特征的注意得分：

a＝IOU ①；

a＝1-IOU ②；

其中，a为所述局部特征的注意得分。