[发明专利]图像检索方法、装置、电子设备和存储介质有效

专利信息
申请号: 202111359989.1 申请日: 2021-11-17
公开(公告)号: CN113806582B 公开(公告)日: 2022-02-25
发明(设计)人: 郭卉 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/583 分类号: G06F16/583
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 朱佳
地址: 518044 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检索 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图像检索方法,其特征在于,包括:

获取查询图像的目标基础特征和目标语义特征;其中,所述目标基础特征用于表征所述查询图像的无语义特征;

召回第一图像集合;所述第一图像集合包含的各个图像各自的基础特征,与所述目标基础特征的基础相似度满足第一预设条件;

从所述第一图像集合中选择多个候选图像;所述多个候选图像各自的语义特征,与所述目标语义特征的语义相似度满足第二预设条件;

分别基于所述多个候选图像各自的语义特征,召回相应的第二图像集合;每个第二图像集合包含的各个图像,与相应候选图像的语义特征之间的语义相似度满足第三预设条件;

基于召回的多个第二图像集合以及所述第一图像集合,确定检索到的目标图像集合。

2.根据权利要求1所述的方法,其特征在于,所述召回第一图像集合,包括:

从图像库中的多个基础特征索引中,选择多个基础参考索引;每个基础特征索引为关联的多个基础特征的聚类中心,所述多个基础参考索引各自与所述目标基础特征的基础相似度不小于第一相似度阈值;

获取所述多个基础参考索引各自关联的多个基础特征;

根据获取的各个基础特征各自对应的图像,以及所述多个基础参考索引各自对应的图像,生成所述第一图像集合。

3.根据权利要求1所述的方法,其特征在于,所述分别基于所述多个候选图像各自的语义特征,召回相应的第二图像集合,包括:

针对所述多个候选图像,分别执行以下操作:

从图像库中的多个语义特征索引中,选择多个语义参考索引;每个语义特征索引为关联的多个语义特征的聚类中心,选择的多个语义参考索引各自与一个候选图像的语义特征的语义相似度,不小于第二相似度阈值;

获取所述多个语义参考索引各自关联的多个语义特征;

根据获取的各个语义特征各自对应的图像,以及所述多个语义参考索引各自对应的图像,生成相应的第二图像集合。

4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取查询图像的目标基础特征和目标语义特征,包括:

将所述查询图像输入已训练的图像特征提取模型,获得所述目标基础特征;所述图像特征提取模型基于三元组样本数据集训练获得,所述三元组样本数据集中的每个三元组样本包括基准图像、与所述基准图像相似的图像、与所述基准图像不相似的图像;

将所述查询图像输入已训练的图像语义提取模型,获得所述目标语义特征;所述图像语义提取模型基于标注有物体类别的三元组样本数据集训练获得。

5.根据权利要求4所述的方法,其特征在于,所述基于召回的多个第二图像集合以及所述第一图像集合,确定检索到的目标图像集合,包括:

针对所述多个第二图像集合以及所述第一图像集合包含的各个图像,根据所述各个图像各自的基础特征与所述目标基础特征的基础相似度,以及所述各个图像各自的语义特征与所述目标语义特征的语义相似度,将所述各个图像进行排序;

从排序后的各个图像中选择多个目标图像,获得检索到的目标图像集合。

6.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:

获取所述查询图像的目标类别信息,所述目标类别信息用于表征所述查询图像所包含的物体类别;

召回第三图像集合;所述第三图像集合包含的各个图像各自的类别信息与所述目标类别信息相同;

基于所述第三图像集合包含的多个参考图像各自的语义特征,召回相应的第四图像集合;每个第四图像集合包含的各个图像,与相应参考图像的语义特征之间的语义相似度满足第五预设条件;

所述基于召回的多个第二图像集合以及所述第一图像集合,确定检索到的目标图像集合,包括:

基于所述第一图像集合、所述多个第二图像集合、所述第三图像集合以及所述多个第四图像集合,确定检索到的目标图像集合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111359989.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top