[发明专利]一种基于深度度量学习的一体化目标属性识别与精确检索方法

摘要

本发明实施例提供了一种基于深度度量学习的一体化目标属性识别与精确检索方法。所述方法包括：获取查询图片和图片数据库；根据预先训练好的深度神经网络模型，分别得到所述查询图片和所述图片数据库中所有图片的特征向量,所述特征向量包括图片中个体目标的类别特征与个体目标的身份特征；根据所述特征向量，分别计算所述查询图片与所述图片数据库中的图片在欧式空间中的欧氏距离；根据所述查询图片与所述图片数据库中的所有图片的欧氏距离，从所述图片数据库中选择与所述查询图片相似度最大的图片。本发明能够提高图像检索的准确性。

主权项

1.一种基于深度度量学习的一体化目标属性识别与精确检索方法，其特征在于，所述方法包括如下步骤：获取查询图片和图片数据库；根据预先训练好的深度神经网络模型，分别得到所述查询图片和所述图片数据库中所有图片的特征向量,所述特征向量表示图片中个体目标的类别特征与个体目标的身份特征，所述深度神经网络模型的训练步骤包括：a)网络结构建立步骤；根据查询图片中个体目标的类别信息和个体目标的身份信息，建立可同时提取两类特征并将两类特征融合成一个特征的深度神经网络模型；第一特征为用于区分不同类别的类别特征，第二特征为用于区分相似个体的个体目标的身份特征；b)模型训练步骤；网络训练采用随机梯度下降算法，每组训练数据获取两个图片集合，第一组图片集合为正样本集合，包含同一个体目标但是拍摄自不同摄像头的多张不同图片；第二组图片集合为负样本集合，包含不同个体目标的多张图片，并且所述第二组图片集合的图片与第一个图片集合中的图片不属于同一个体目标；根据深度神经网络的训练方式，在建立的所述深度神经网络模型上，根据上述两组图片集合构成的训练数据，不断执行前向传播与反向传播，直到最终输出的损失函数收敛为止；根据所述特征向量，分别计算所述查询图片与所述图片数据库中的图片在欧式空间中的欧氏距离；根据所述查询图片与所述图片数据库中的所有图片的欧氏距离，从所述图片数据库中选择与所述查询图片相似度最大的图片。