图片推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了图片推荐方法、装置、计算机设备及存储介质。该方法包括：根据预设的图片分类规则对预先存储的候选图片进行分类以得到多个候选图片集；根据预设的特征匹配公式及多个候选图片集建立图片推荐模型；通过多组训练参数及多张训练图片对图片推荐模型进行训练；若接收到用户所输入的待匹配图片，根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配，并计算得到相应候选图片的匹配概率；对所得到的所有候选图片的匹配概率进行排序，根据预设的目标图片数量获取目标图片。本发明专利技术基于智能决策技术，能够高效地对用户所输入的图片进行精确匹配以得到相似图片，大幅降低了图片匹配过程中的误差，节省了匹配时间。

【技术实现步骤摘要】
图片推荐方法、装置、计算机设备及存储介质
本专利技术涉及计算机
，尤其涉及一种图片推荐方法、装置、计算机设备及存储介质。
技术介绍
在进行计算机编程项目的开发过程中，需将所输入的一张图片与图片库中的多张图片进行匹配，以获取图片库中与所输入的图片相似的目标图片。现有的图片匹配方法中，对图片的整体特征进行匹配会导致匹配误差率较大，而对图片中每一个像素进行匹配则会因巨大的计算量造成匹配耗时长。因而现有的图片匹配方法存在无法高效准确地匹配得到相似图片的问题。
技术实现思路
本专利技术实施例提供了一种图片推荐方法、装置、计算机设备及存储介质，旨在解决现有技术中存在无法高效准确地匹配得到相似图片的问题。第一方面，本专利技术实施例提供了一种图片推荐方法，其包括：获取预先存储的多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集；根据预设的特征匹配公式及所得到的多个候选图片集建立图片推荐模型；通过预设的多组训练参数及预设的多张训练图片对所建立的图片推荐模型进行训练得到训练后的图片推荐模型；若接收到用户所输入的待匹配图片，根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配，并计算得到相应候选图片的匹配概率；对所得到的所有候选图片的匹配概率进行排序，根据预设的目标图片数量获取目标图片。第二方面，本专利技术实施例提供了一种图片推荐装置，其包括：图片分类单元，用于获取预先存储的多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集；图片推荐模型构建单元，用于根据预设的特征匹配公式及所得到的多个候选图片集建立图片推荐模型；图片推荐模型训练单元，用于通过预设的多组训练参数及预设的多张训练图片对所建立的图片推荐模型进行训练得到训练后的图片推荐模型；匹配概率计算单元，用于若接收到用户所输入的待匹配图片，根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配，并计算得到相应候选图片的匹配概率；目标图片获取单元，用于对所得到的所有候选图片的匹配概率进行排序，根据预设的目标图片数量获取目标图片。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的图片推荐方法。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，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的图片推荐方法。本专利技术实施例提供了一种图片推荐方法、装置、计算机设备及存储介质。通过将候选图片分类至多个候选图片集，并根据候选图片集建立图片推荐模型，通过预设的训练参数及训练图片对图片推荐模型进行训练，并根据训练后的图片推荐模型匹配得到匹配概率最高的目标图片进行输出，能够高效地对用户所输入的图片进行精确匹配以得到相似图片，大幅降低了图片匹配过程中的误差，节省了匹配时间。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的图片推荐方法的流程示意图；图2为本专利技术实施例提供的图片推荐方法的另一流程示意图；图3为本专利技术实施例提供的图片推荐方法的子流程示意图；图4为本专利技术实施例提供的图片推荐方法的另一子流程示意图；图5为本专利技术实施例提供的图片推荐方法的另一子流程示意图；图6为本专利技术实施例提供的图片推荐装置的示意性框图；图7为本专利技术实施例提供的图片推荐装置的另一示意性框图；图8为本专利技术实施例提供的图片推荐装置的子单元示意性框图；图9为本专利技术实施例提供的图片推荐装置的另一子单元示意性框图；图10为本专利技术实施例提供的图片推荐装置的另一子单元示意性框图；图11为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1，图1是本专利技术实施例提供的图片推荐方法的流程示意图。该图片推荐方法应用于服务器端，该方法通过安装于服务器端中的应用软件进行执行，其中，服务器端即是用于执行图片推荐方法以推荐相似图片的企业终端。如图1所示，该方法包括步骤S101～S105。S101、获取预先存储的多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集。服务器端预先存储有多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集。服务器端即是用于对图片推荐模型进行构建和使用的企业终端。根据预设的图片分类规则对所有候选图片进行分类处理，以得到多个候选图片集。图片分类规则即是用于对候选图片进行分类的规则信息，其中，图片分类规则包括特征提取公式、K-means聚类算法。在一实施例中，如图2所示，步骤S101之前还包括步骤S101A。S101A、根据预设的格式调整规则对预先存储的所有候选图片的格式进行调整以得到格式统一的候选图片。由于预先存储的候选图片无法确保格式完全统一，在对候选图片进行分类之前，可根据预设的格式调整规则对预先存储的所有候选图片的格式进行统一调整。例如，可对所有候选图片的尺寸进行调整，以将所有候选图片的分辨率调整为200×200，即可得到格式统一的候选图片。在一实施例中，如图3所示，步骤S101包括子步骤S1011、S1012和S1013。S1011、根据预设的特征提取公式对所述候选图片进行特征提取以得到所有候选图片的特征变量。根据预设的特征提取公式对所有候选图片的特征变量进行提取。其中，预设的特征提取公式基于卷积神经网络进行构建。预设的特征提取公式包括第一卷积计算公式、池化计算公式、第二卷积计算公式、第一全连接计算公式、第二全连接计算公式。通过特征提取公式即可提取得到所有候选图片的特征变量。候选图片的特征变量即是通过对图片进行特征提取之后所得到的用于反映图片特性的多维向量，计算机程序无法对不同的图片进行识别，但将多个图片转换为特征变量后，计算机程序通过对多个图片的特征变量进行分析即可对不同的图片进行识别。具体的，若输入的候选图片的分辨率为200×200，根据第一卷积计算公式，以分辨率10*10本文档来自技高网...

【技术保护点】
1.一种图片推荐方法，其特征在于，包括：获取预先存储的多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集；根据预设的特征匹配公式及所得到的多个候选图片集建立图片推荐模型；通过预设的多组训练参数及预设的多张训练图片对所建立的图片推荐模型进行训练得到训练后的图片推荐模型；若接收到用户所输入的待匹配图片，根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配，并计算得到相应候选图片的匹配概率；对所得到的所有候选图片的匹配概率进行排序，根据预设的目标图片数量获取目标图片。

【技术特征摘要】
1.一种图片推荐方法，其特征在于，包括：获取预先存储的多张候选图片，根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集；根据预设的特征匹配公式及所得到的多个候选图片集建立图片推荐模型；通过预设的多组训练参数及预设的多张训练图片对所建立的图片推荐模型进行训练得到训练后的图片推荐模型；若接收到用户所输入的待匹配图片，根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配，并计算得到相应候选图片的匹配概率；对所得到的所有候选图片的匹配概率进行排序，根据预设的目标图片数量获取目标图片。2.根据权利要求1所述的图片推荐方法，其特征在于，所述根据预设的图片分类规则对所述候选图片进行分类以得到多个候选图片集，包括：根据预设的特征提取公式对所述候选图片进行特征提取以得到所有候选图片的特征变量；根据预设的K-means聚类算法对所述候选图片的特征变量进行聚类以得到包含质心的多个类群；根据所得到的多个类群对所有候选图片进行分类以得到包含候选图片的多个候选图片集。3.根据权利要求2所述的图片推荐方法，其特征在于，所述通过预设的多组训练参数及预设的多张训练图片对所建立的图片推荐模型进行训练得到训练后的图片推荐模型，包括：根据所述特征提取公式对多张训练图片进行特征提取以得到所有训练图片的特征变量；获取预设的一组训练参数及所有训练图片的特征变量对所建立的图片推荐模型进行多次训练，将最后一次训练中训练图片的准确率作为该组训练参数的模型准确率；根据所得到的多组训练参数的模型准确率选择最优的一组训练参数对图片推荐模型中特征提取公式的参数进行设置以得到训练后的图片推荐模型。4.根据权利要求2所述的图片推荐方法，其特征在于，所述根据训练后的图片推荐模型对待匹配图片与多个候选图片集进行匹配以得到相应候选图片的匹配概率，包括：根据所述特征提取公式对待匹配图片进行特征提取以得到待匹配图片的特征变量；根据待匹配图片的特征变量与多个候选图片集中质心的特征变量值进行计算以得到目标候选图片集；根据特征提取公式对目标候选图片集中的候选图片进行特征提取以得到该目标候选图片集中候选图片的特征变量；根据所述特征匹配公式对目标候选图片集中候选图片与待匹配图片的匹配概率进行计算以得到所有候选图片的匹配概率。5.根据权利要求1所述的图片推荐方法，其特征在于，所述获取预先存储的多张候选图片，根据预设的图片分类规则...

【专利技术属性】
技术研发人员：吴壮伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44