一种图像检索方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种图像检索方法、装置及电子设备，其中，所述方法包括：获取查询图像；基于预先训练的深度神经网络，确定查询图像的目标特征；其中，深度神经网络为根据各个样本图像，以及各个样本图像对应的能够形成目标特征的预定特征训练得到的；获取多个待检索图像的目标特征；计算查询图像的目标特征与各个待检索图像的目标特征的相似度；根据计算得到的相似度，从多个待检索图像中确定查询图像对应的检索图像。通过本发明专利技术实施例提供的图像检索方法、装置及电子设备，可以提高图像检索的准确度。

An Image Retrieval Method, Device and Electronic Equipment

【技术实现步骤摘要】
一种图像检索方法、装置及电子设备
本专利技术涉及图像处理和模式识别
，特别是涉及一种图像检索方法、装置、电子设备及可读存储介质。
技术介绍
随着存储技术、多媒体、压缩技术和网络带宽等技术的不断发展，每天都有成千上万的图片产生，如何从海量的图像库中快速而准确地找到满足用户需求的图像，就成为了图像处理和模式识别领域需迫切解决的重要问题。对于检索满足用户需求的图像而言，首先需要对用户的需求进行分析，然后从图像库中查找满足用户需求的图像。目前的图像检索方法中，检索系统接收用户提供的查询图像，然后根据用户的指示提取该查询图像的感兴趣区域，其中，该感兴趣区域表示具有辨识能力、能够反映图像特点的区域，辨识能力表示能够分辨不同目标的能力；接着提取该感兴趣区域的特征、和图像库中图像的与该感兴趣区域对应区域的特征；再将查询图像的感兴趣区域的特征与数据库中图像的对应区域的特征进行比对，最后按照相似度进行排序返回检索结果，得到满足要求的图像。可以看出，目前的图像检索方法中，根据用户指示提取的感兴趣区域，主观性太强，导致感兴趣区域的确定存在较大偏差，最终使得图像检索准确度低。
技术实现思路
本专利技术实施例的目的在于提供一种图像检索方法、装置、电子设备及可读存储介质，以实现提高图像检索的准确度。具体技术方案如下：第一方面，本专利技术实施例提供了一种图像检索方法，包括：获取查询图像；基于预先训练的深度神经网络，确定所述查询图像的目标特征；其中，所述深度神经网络为根据各个样本图像，以及各个样本图像对应的能够形成目标特征的预定特征训练得到的；获取多个待检索图像的目标特征；计算所述查询图像的目标特征与各个待检索图像的目标特征的相似度；根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像。可选的，所述获取多个待检索图像对应的目标特征的步骤，包括：获取保存在预设数据库的、所述多个待检索图像的目标特征；或者，基于所述预先训练的深度神经网络，确定所述多个待检索图像的目标特征。可选的，所述预定特征为感兴趣区域特征，所述目标特征为感兴趣区域特征汇聚成的特征；所述基于预先训练的深度神经网络，确定所述查询图像的目标特征的步骤，包括：将所述查询图像输入预先训练的第一深度神经网络中，得到所述查询图像的目标感兴趣区域，其中，所述第一深度神经网络为根据各个样本图像，以及各个样本图像对应的感兴趣区域训练得到的；将所述目标感兴趣区域输入预先训练的第二深度神经网络中，得到所述目标感兴趣区域的目标感兴趣区域特征，其中，所述第二深度神经网络为根据各个感兴趣区域，以及各个感兴趣区域对应的感兴趣区域特征训练得到的；将所述目标感兴趣区域特征汇聚成所述查询图像的目标特征。可选的，所述预定特征为全局特征，所述目标特征为全局特征；所述基于预先训练的深度神经网络，确定所述查询图像的目标特征的步骤，包括：将所述查询图像输入预先训练的第三深度神经网络中，得到所述查询图像的全局特征，其中，所述第三深度神经网络是根据各个样本图像，以及各个样本图像对应的全局特征训练得到的。可选的，所述根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像，包括：对计算得到的相似度进行排序，并根据排序所得到的结果，从所述多个待检索图像中确定所述查询图像对应的检索图像；或者，将所述多个待检索图像中的目标待检索图像，确定为所述查询图像对应的检索图像，其中，所述目标待检索图像为所对应相似度大于预定相似度阈值的待检索图像。可选的，在所述得到所述查询图像的目标感兴趣区域之后，所述方法还包括：输出所述目标感兴趣区域的位置信息。第二方面，本专利技术实施例还提供了一种图像检索装置，包括：图像获取模块，用于获取查询图像；第一特征确定模块，用于基于预先训练的深度神经网络，确定所述查询图像的目标特征；其中，所述深度神经网络为根据各个样本图像，以及各个样本图像对应的能够形成目标特征的预定特征训练得到的；第二特征确定模块，用于获取多个待检索图像的目标特征；计算模块，用于计算所述查询图像的目标特征与各个待检索图像的目标特征的相似度；检索图像确定模块，用于根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像。可选的，所述第二特征确定模块具体用于获取保存在预设数据库的、所述多个待检索图像的目标特征；或者，基于所述预先训练的深度神经网络，确定所述多个待检索图像的目标特征。可选的，所述预定特征为感兴趣区域特征，所述目标特征为感兴趣区域特征汇聚成的特征；所述第一特征确定模块，包括：感兴趣区域获得子模块，用于将所述查询图像输入预先训练的第一深度神经网络中，得到所述查询图像的目标感兴趣区域，其中，所述第一深度神经网络为根据各个样本图像，以及各个样本图像对应的感兴趣区域训练得到的；感兴趣区域特征确定子模块，用于将所述目标感兴趣区域输入预先训练的第二深度神经网络中，得到所述目标感兴趣区域的目标感兴趣区域特征，其中，所述第二深度神经网络为根据各个感兴趣区域，以及各个感兴趣区域对应的感兴趣区域特征训练得到的；第一特征确定子模块，用于将所述目标感兴趣区域特征汇聚成所述查询图像的目标特征。可选的，所述预定特征为全局特征，所述目标特征为全局特征；所述第一特征确定模块，包括：第二特征确定子模块，用于将所述查询图像输入预先训练的第三深度神经网络中，得到所述查询图像的全局特征，其中，所述第三深度神经网络是根据各个样本图像，以及各个样本图像对应的全局特征训练得到的。可选的，所述检索图像确定模块具体用于对计算得到的相似度进行排序，并根据排序所得到的结果，从所述多个待检索图像中确定所述查询图像对应的检索图像；或者，将所述多个待检索图像中的目标待检索图像，确定为所述查询图像对应的检索图像，其中，所述目标待检索图像为所对应相似度大于预定相似度阈值的待检索图像。可选的，所述装置还包括：输出模块，用于输出所述目标感兴趣区域的位置信息。第三方面，本专利技术实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。本专利技术实施例提供的图像检索方法中，可以基于预先训练的深度神经网络，确定查询图像的目标特征；计算该查询图像的目标特征与各个待检索图像的目标特征的相似度；进而根据计算得到的相似度，从多个待检索图像中确定该查询图像对应的检索图像。可以看出，通过本方案，无需根据用户的指示提取图像的特征，也即没有用户的主观参与，能够准确确定反映图像特点的特征，进而提高图像检索的准确度。同时，基于预先训练的深度神经网络，确定查询图像的目标特征，实现了目标特征的自动定位，提高了用户体验。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅本文档来自技高网...

【技术保护点】
1.一种图像检索方法，其特征在于，包括：获取查询图像；基于预先训练的深度神经网络，确定所述查询图像的目标特征；其中，所述深度神经网络为根据各个样本图像，以及各个样本图像对应的能够形成目标特征的预定特征训练得到的；获取多个待检索图像的目标特征；计算所述查询图像的目标特征与各个待检索图像的目标特征的相似度；根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像。

【技术特征摘要】
1.一种图像检索方法，其特征在于，包括：获取查询图像；基于预先训练的深度神经网络，确定所述查询图像的目标特征；其中，所述深度神经网络为根据各个样本图像，以及各个样本图像对应的能够形成目标特征的预定特征训练得到的；获取多个待检索图像的目标特征；计算所述查询图像的目标特征与各个待检索图像的目标特征的相似度；根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像。2.根据权利要求1所述的方法，其特征在于，所述获取多个待检索图像对应的目标特征的步骤，包括：获取保存在预设数据库的、所述多个待检索图像的目标特征；或者，基于所述预先训练的深度神经网络，确定所述多个待检索图像的目标特征。3.根据权利要求1或2所述的方法，其特征在于，所述预定特征为感兴趣区域特征，所述目标特征为感兴趣区域特征汇聚成的特征；所述基于预先训练的深度神经网络，确定所述查询图像的目标特征的步骤，包括：将所述查询图像输入预先训练的第一深度神经网络中，得到所述查询图像的目标感兴趣区域，其中，所述第一深度神经网络为根据各个样本图像，以及各个样本图像对应的感兴趣区域训练得到的；将所述目标感兴趣区域输入预先训练的第二深度神经网络中，得到所述目标感兴趣区域的目标感兴趣区域特征，其中，所述第二深度神经网络为根据各个感兴趣区域，以及各个感兴趣区域对应的感兴趣区域特征训练得到的；将所述目标感兴趣区域特征汇聚成所述查询图像的目标特征。4.根据权利要求1或2所述的方法，其特征在于，所述预定特征为全局特征，所述目标特征为全局特征；所述基于预先训练的深度神经网络，确定所述查询图像的目标特征的步骤，包括：将所述查询图像输入预先训练的第三深度神经网络中，得到所述查询图像的全局特征，其中，所述第三深度神经网络是根据各个样本图像，以及各个样本图像对应的全局特征训练得到的。5.根据权利要求1或2所述的方法，其特征在于，所述根据计算得到的相似度，从所述多个待检索图像中确定所述查询图像对应的检索图像，包括：对计算得到的相似度进行排序，并根据排序所得到的结果，从所述多个待检索图像中确定所述查询图像对应的检索图像；或者，将所述多个待检索图像中的目标待检索图像，确定为所述查询图像对应的检索图像，其中，所述目标待检索图像为所对应相似度大于预定相似度阈值的待检索图像。6.根据权利要求3所述的方法，其特征在于，在所述得到所述查询图像的目标感兴趣区域之后，所述方法还包括：输出所述目标感兴趣区域的位置信息。7.一种图像检索装置，其特征在于，包括：图像获取模块，用于获取查询图像；第一特征确定模块，用于基于预先训练的深度神经网络，确定所述查询图...

【专利技术属性】
技术研发人员：陈畅怀，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33