[发明专利]图像检索方法、装置、计算机设备和存储介质

说明书

本发明涉及人工智能技术领域，公开了一种图像检索方法、装置、计算机设备和存储介质。该方法基于ResNet50卷积神经网络提取所述训练图片集的对象特征向量与属性信息；搭建并训练Faiss模型，优化所述Faiss模型，将所述对象特征向量与属性信息输入所述Faiss模型，计算相似度并筛选出最相似的1至10张图片并输出。上述方法通过模型在图片库中找出匹配的无头件图片，得到对应的物品名称和编号等，核实之后到问题件仓库查找该物品，重新打包送至收件人，准确率高、速度快，减少了大量的人力成本。

技术领域

本发明涉及人工智能技术领域，尤其涉及计算机视觉和深度学习领域的图像检索方法、装置、计算机设备和存储介质。

背景技术

由于电商蓬勃发展，大家越来越习惯于网络购物或者邮寄商品，这就离不开快递业务。部分快递件在运输途中,可能出现贴到快递件上的快递运单磨损、脱落等情况，导致快递单号看不清，中转站或者派件公司将无法派送没有收件人信息的快递件。这时操作人员会实时拍照保存在无头件图片库，记录物品的详细信息，当有人认领的时候，再去相应的库中搜索。随着无头件的数据量越来越大，现有人工搜索效率不高且容易出错。

发明内容

有鉴于此，有必要针对现有人工搜索效率不高且容易出错的技术问题，提供一种图像检索方法、装置、计算机设备和存储介质。

一种图像检索方法，包括:通过扫描快递单获取图片，将所述图片收集形成图片库，将所述图片库中的图片分为训练图片集和测试图片集；基于ResNet50卷积神经网络提取所述训练图片集的对象特征向量与属性信息；搭建并训练Faiss模型，优化所述Faiss模型，将所述对象特征向量与属性信息输入所述Faiss模型，计算相似度并筛选出最相似的1至10张图片并输出；利用所述测试图片集检验训练的所述Faiss模型效果，若效果达到预定需求，则停止模型训练，得到度量模型；获取客户发送的一张图片，输入所述图片，应用所述度量模型进行检索，输出所述图片库中与所述检索图片最相似的1至10张图片，匹配得到对应的物品名称和编号。

在其中一个实施例中，所述搭建并训练Faiss模型，优化所述Faiss模型，将所述对象特征向量与属性信息输入所述Faiss模型，计算相似度并筛选出最相似的1至10张图片并输出包括：获取所述对象特征向量与属性信息；将所述对象特征向量与属性信息压缩、编码、生成子聚类中心；计算所述子聚类中心的距离并将训练图片按批、当前查询样本的每个子空间、查询样本的顺序进行遍历；判断所有子空间是否遍历完，若遍历完，则生成查询索引，若未遍历完，则继续遍历；将所述查询索引与索引库中的本地索引集逐一遍历比对；判断所述本地索引集是否遍历完，若遍历完，则计算最近距离，输出1至10个最近距离的索引库中的索引，若未遍历完，则继续遍历。

在其中一个实施例中，所述搭建并训练Faiss模型，优化所述Faiss模型，将所述对象特征向量与属性信息输入所述Faiss模型，计算相似度并筛选出最相似的1至10张图片并输出包括：获取所述对象特征向量与属性信息；标记所述对象特征向量与属性信息，对所述对象特征向量压缩、编码、利用聚类算法生成样本类中心；根据查询特征，匹配对应的样本类中心，计算残差特征；根据所述残差特征，计算子聚类中心距离；根据所述子聚类中心距离，判断素有子空间是否遍历完，若遍历完，则生成查询残差索引，若未遍历完，则继续遍历；将所述查询残差索引与同类别的训练残差索引集逐一遍历比对；判断所述同类别的训练残差索引集是否遍历完，若遍历完，则计算最近距离，输出1至10个最近距离的索引库中的索引，若未遍历完，则继续遍历。

在其中一个实施例中，所述基于ResNet50卷积神经网络提取所述训练图片集的对象特征向量与属性信息还包括：对获取的图片进行预处理，筛选和提取出有效的数据样本；对图片样本不平衡进行数据增强操作；对ResNet50卷积神经网络进行调整，提取预训练所述ResNet50卷积神经网络的权重参数作为初始值进行迁移学习。