图片检索方法及装置、计算机设备及计算机可读介质制造方法及图纸

本发明专利技术提供一种图片检索方法及装置、计算机设备及计算机可读介质。所述方法包括：接收携带目标图片的图片检索请求；根据目标图片、图片数据库和图片特征识别模型，分别获取目标图片和图片数据库中各样本图片的特征向量；图片特征识别模型是采用图片训练数据库，并基于图片训练库中训练图片及其负样本图片的特征向量所在的第一直线与训练图片的正样本图片与负样本图片的特征向量所在的第二直线之间的夹角、与预设的夹角阈值所建立的损失函数，对卷积神经网络模型进行训练得到；根据目标图片的特征向量以及每个样本图片的特征向量，从图片数据库中获取目标图片对应的检索结果。本发明专利技术的技术方案，能够大大地提高对图片检索的效率。

【技术实现步骤摘要】
图片检索方法及装置、计算机设备及计算机可读介质
本专利技术涉及计算机应用
，尤其涉及一种图片检索方法及装置、计算机设备及计算机可读介质。
技术介绍
随着移动终端的使用普及，伴随着移动终端而出现的各种功能的应用也如雨后春笋般的涌现出来，大大地方便了人们的生活。例如拍立淘之类的图片检索方法是一种使用非常方便的功能，用户可以输入要找的图片，对应的应用可以根据用户输入的图片在样本库中寻找相似图片的宝贝，使用非常方便。现有的图片检索方法是利用预先训练的图片特征识别模型寻找相似性图片。图片特征识别模型的训练主要依赖于成对样本的相似度的优化，以调整图片特征识别模型的参数，从而确定图片特征识别模型。例如对于一组训练样本三元组：参考样本A、正样本P和负样本N；基于成对样本的相似度的优化要求参考样本A和正样本P之间的距离减去参考样本A和负样本N之间的距离加上一个常数α之后是小于0的，否则认为产生损失函数L大于0。该损失函数L定义为如下公式：L＝max{dis(A,P)-dis(A,N)+α,0}其中dis(A,P)表示参考样本A和正样本P之间的欧拉距离，表示参考样本A和正样本P的不相似性大本文档来自技高网...

【技术保护点】
一种图片检索方法，其特征在于，所述方法包括：接收携带目标图片的图片检索请求；根据所述目标图片、预先采集的图片数据库和预先训练的图片特征识别模型，分别获取所述目标图片的特征向量以及所述图片数据库中每个所述样本图片的特征向量；所述图片特征识别模型是采用预设的图片训练数据库，并基于第一直线与第二直线之间的夹角与预设的夹角阈值所建立的损失函数，对卷积神经网络模型进行训练得到；所述第一直线为所述图片训练数据库中的训练图片的特征向量与所述训练图片的负样本图片的特征向量所在直线，所述第二直线为所述训练图片的正样本图片的特征向量与所述训练图片的负样本图片的特征向量所在直线；根据所述目标图片的特征向量以及所述图...

【技术特征摘要】
1.一种图片检索方法，其特征在于，所述方法包括：接收携带目标图片的图片检索请求；根据所述目标图片、预先采集的图片数据库和预先训练的图片特征识别模型，分别获取所述目标图片的特征向量以及所述图片数据库中每个所述样本图片的特征向量；所述图片特征识别模型是采用预设的图片训练数据库，并基于第一直线与第二直线之间的夹角与预设的夹角阈值所建立的损失函数，对卷积神经网络模型进行训练得到；所述第一直线为所述图片训练数据库中的训练图片的特征向量与所述训练图片的负样本图片的特征向量所在直线，所述第二直线为所述训练图片的正样本图片的特征向量与所述训练图片的负样本图片的特征向量所在直线；根据所述目标图片的特征向量以及所述图片数据库中每个所述样本图片的特征向量，从所述图片数据库中获取所述目标图片对应的检索结果。2.根据权利要求1所述的方法，其特征在于，根据所述目标图片、预先采集的图片数据库和预先训练的图片特征识别模型，分别获取所述目标图片的特征向量以及所述图片数据库中每个所述样本图片的特征向量之前，所述方法还包括：采集数组训练图片数据，生成所述图片训练数据库；其中每组所述训练图片数据包括所述训练图片、所述训练图片的正样本图片以及所述训练图片的负样本图片；根据各组所述训练图片数据和所述损失函数，训练所述图片特征识别模型。3.根据权利要求2所述的方法，其特征在于，根据各组所述训练图片数据和所述损失函数，训练所述图片特征识别模型，具体包括：依次将各组所述训练图片数据中的所述训练图片、所述正样本图片以及所述负样本图片输入至所述图片特征识别模型中，分别得到所述训练图片、所述正样本图片以及所述负样本图片的特征向量；根据所述训练图片、所述正样本图片以及所述负样本图片的特征向量，获取所述训练图片的特征向量与所述负样本图片的特征向量所在的所述第一直线、与所述正样本图片的特征向量与所述负样本图片的特征向量所在的所述第二直线之间的夹角；根据所述第一直线与所述第二直线之间的夹角以及所述预设的夹角阈值，生成所述训练图片的损失函数；计算所述训练图片的损失函数对所述图片特征识别模型中各参数的导数；根据所述图片特征识别模型中的各所述参数以及所述训练图片的损失函数对各所述参数的导数，更新所述图片特征识别模型中的各所述参数，从而确定本次训练后的所述图片特征识别模型；重复执行上述步骤，直至数组所述训练图片数据都对所述图片特征识别模型进行训练，确定本轮训练后的所述图片特征识别模型。4.根据权利要求3所述的方法，其特征在于，根据各组所述训练图片数据和所述损失函数，训练所述图片特征识别模型，还包括：按照上述每一轮训练中所述训练图片数据库中的数组所述训练图片数据对所述图片特征识别模型的训练，使用所述训练图片数据库中的数组所述训练图片数据重复对所述图片特征识别模型训练N轮，得到最终的所述图片特征识别模型。5.根据权利要求1-4任一所述的方法，其特征在于，根据所述目标图片的特征向量以及所述图片数据库中每个所述样本图片的特征向量，从所述图片数据库中获取所述目标图片对应的检索结果，具体包括：计算所述目标图片的特征向量与所述图片数据库中每个所述图片的特征向量的相似度；获取所述目标图片的特征向量分别与所述图片数据库中每个所述图片的特征向量的相似度与预设相似度阈值的大小关系；根据得到的各个所述大小关系，从所述图片数据库中获取与所述目标图片的特征向量的相似度大于或者等于所述预设相似度阈值的图片，作为所述目标图片的检索结果。6.一种图片检索装置，其特征...

【专利技术属性】
技术研发人员：王健，周峰，文石磊，刘霄，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11