[发明专利]一种图像搜索方法、装置、设备及存储介质

说明书

本发明涉及一种图像搜索方法、装置、设备及存储介质，方法包括：获取预设搜索图像、目标分类模型以及预设分类阈值；根据预设搜索图像，确定包括预设搜索对象的多个局部区域图像；对每个局部区域图像进行特征提取，得到多个局部区域图像各自对应的特征向量；将各自对应的特征向量输入目标分类模型中进行分类处理，确定每个局部特征向量对应的分类结果；将分类结果达到分类阈值的局部特征向量确定为目标特征向量；根据目标特征向量进行图像搜索，得到包括预设搜索对象的图像集。本发明通可以仅基于目标特征向量确定存在目标对象的图像，可以忽略搜索图像中背景信息等对搜索结果的影响，提高了图像搜索精度和搜索效率。

技术领域

本发明涉及图像搜索技术领域，具体涉及一种图像搜索方法、装置、设备及存储介质。

背景技术

随着科技的发展，图像在电子商务，信息传播上起到极大的作用。由于图像能够给人“所见即所得”的感受，用户获取商品信息的方式由原来的基于文字的搜索改变为基于图像的搜索。一般来说，图像搜索又分为相似搜索和同款搜索(所谓的同款搜索，是指搜索与待搜索图像中款式相同的商品图像)，深度学习特征向量的发展使得图像的特征描述能力提高，图像相似搜索已经达到用户的使用要求，但是目前图像搜索匹配的过程中，图像中背景，光照，角度等非目标搜索对象会对搜索的结果产生影响。

发明内容

本发明要解决的技术问题是现有技术中在图像搜索过程中，图像背景等非目标搜索对象对搜索结果产生影响，导致搜索精度低、搜索效率低的问题。

根据本申请的一个方面，公开了一种图像搜索方法，所述方法包括：

获取预设搜索图像、目标分类模型以及预设分类阈值，所述目标分类模型与所述预设搜索图像对应；

根据所述预设搜索图像，确定多个局部区域图像，所述局部区域图像包括预设搜索对象；

对每个局部区域图像进行特征提取，得到多个局部区域图像各自对应的特征向量；

将多个局部区域图像各自对应的特征向量输入所述目标分类模型中进行分类处理，确定每个局部特征向量对应的分类结果；

将所述分类结果达到所述预设分类阈值的局部特征向量确定为目标特征向量；

根据所述目标特征向量进行图像搜索，得到包括所述预设搜索对象的图像集。

在一种可能实现的方案中，所述根据所述预设搜索图像，确定多个局部区域图像包括：

对所述预设搜索图像进行随机划分，以随机确定出具有第一尺寸的区域；

对所述第一尺寸的区域对应的图像进行分辨率的变化处理，得到多个分辨率不同的局部区域图像。

在另一种可能实现的方案中，所述根据所述预设搜索图像，确定多个局部区域图像包括：

对所述预设搜索图像进行多次随机划分，以随机确定出多个具有第一尺寸的区域；

将每个具有第一尺寸的区域对应的图像，确定为局部区域图像，以得到多个局部区域图像。

进一步的，所述对每个局部区域图像进行特征提取，得到多个局部区域图像各自对应的特征向量包括：

基于全卷积网络对对每个局部区域图像进行特征提取，得到多个局部区域图像各自对应的特征向量。

进一步的，所述获取目标分类模型之前，所述方法还包括：

根据所述预设搜索图像，确定多个预设训练图像，每个预设训练图像中包括所述预设搜索对象；

对所述多个预设训练图像进行训练，得到所述目标分类模型。

进一步的，所述根据所述预设搜索图像，确定多个预设训练图像包括：