[发明专利]特征提取模型的训练方法、图像检索方法、装置及设备

说明书

本申请公开了一种特征提取模型的训练方法、图像检索方法、装置及设备，属于图像处理技术领域。方法包括：获取多个样本图像对和多个样本图像对中各张样本图像的标注类别；根据神经网络模型获取多个样本图像对中各张样本图像的图像特征；基于多个样本图像对中各张样本图像的图像特征，确定多个样本图像对中各张样本图像的第一类别特征；基于多个样本图像对中各张样本图像的标注类别，确定多个样本图像对中各张样本图像的第二类别特征；基于多个样本图像对中各张样本图像的图像特征、第一类别特征和第二类别特征，对神经网络模型进行调整，得到特征提取模型。实现了利用样本图像的预测类别、标注类别约束模型来提取图像特征，提高了模型的准确性。

技术领域

本申请实施例涉及图像处理技术领域，特别涉及一种特征提取模型的训练方法、图像检索方法、装置及设备。

背景技术

在图像处理技术领域中，图像检索处理是一种非常重要的处理技术。图像检索处理是基于目标图像的图像特征与各候选图像的图像特征，从各候选图像中检索出与目标图像相似的图像，而目标图像的图像特征和各候选图像的图像特征通常是利用特征提取模型确定的。

相关技术中，可以利用多个样本图像对训练得到特征提取模型，其中，样本图像对包括两张相似的样本图像。训练时，将各个样本图像对输入神经网络模型，由神经网络模型输出各个样本图像对中各张样本图像的图像特征。基于各个样本图像对中各张样本图像的图像特征，对神经网络模型进行调整，得到特征提取模型。

上述相关技术训练得到的特征提取模型是利用样本图像对中各张样本图像的图像特征对神经网络模型进行调整得到的，使得特征提取模型的准确性不高，从而导致利用特征提取模型提取的图像特征的准确性较差，影响了图像检索结果的准确性。

发明内容

本申请实施例提供了一种特征提取模型的训练方法、图像检索方法、装置及设备，可用于解决相关技术中因特征提取模型的准确性不高而导致的图像检索结果的准确性不高的问题，所述技术方案包括如下内容。

一方面，本申请实施例提供了一种特征提取模型的训练方法，所述方法包括：

获取多个样本图像对和所述多个样本图像对中各张样本图像的标注类别，所述样本图像对包括两张相似的样本图像；

根据神经网络模型获取所述多个样本图像对中各张样本图像的图像特征；

基于所述多个样本图像对中各张样本图像的图像特征，确定所述多个样本图像对中各张样本图像的第一类别特征，所述样本图像的第一类别特征用于表征预测的所述样本图像的类别；

基于所述多个样本图像对中各张样本图像的标注类别，确定所述多个样本图像对中各张样本图像的第二类别特征，所述样本图像的第二类别特征用于表征标注的所述样本图像的类别；

基于所述多个样本图像对中各张样本图像的图像特征、第一类别特征和第二类别特征，对所述神经网络模型进行调整，得到特征提取模型。

另一方面，本申请实施例提供了一种图像检索方法，所述方法包括：

获取目标图像和多个候选图像；

基于特征提取模型确定所述目标图像的图像特征和各个候选图像的图像特征，所述特征提取模型是根据上述任一项所述的特征提取模型的训练方法训练得到的；

根据所述目标图像的图像特征和所述各个候选图像的图像特征，从所述多个候选图像中检索出与所述目标图像相似的图像。

另一方面，本申请实施例提供了一种特征提取模型的训练装置，所述装置包括：

获取模块，用于获取多个样本图像对和所述多个样本图像对中各张样本图像的标注类别，所述样本图像对包括两张相似的样本图像；

所述获取模块，还用于根据神经网络模型获取所述多个样本图像对中各张样本图像的图像特征；