基于神经网络的图像查重方法及相关设备技术

本申请涉及人工智能领域，本申请公开了一种基于神经网络的图像查重方法及相关设备，所述方法包括：构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；获取待查图像，并对所述待查图像通过神经网络进行特征提取，获得所述待查图像的特征；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果。本申请通过预先建立索引库，再通过对待查图像提取特征，并与索引库中的特征进行比对确定所述待查图像是否重复，可以提高图像查重的效率和精度。

【技术实现步骤摘要】
基于神经网络的图像查重方法及相关设备
本申请涉及人工智能领域，特别涉及一种基于神经网络的图像查重方法及相关设备。
技术介绍
图像查重是图像检测的一项重要手段，目前有非常广泛的应用，如论文查重中对图像进行查重检测。但是目前为止图像查重主要是通过以图搜图，技术很复杂，且没有文献公开相关的技术方案。而在图像查重中，一般都会用到solr和LIRE，其中，Solr是一个独立的企业级搜索应用服务器，LIRE提供了简单方式来创建基于图像特性的Lucene索引，是一个放在Solr里的插件，可以进行图像的特征提取，但是包含的特征提取算法已经比较旧，不适合当前的业务需要。
技术实现思路
本申请的目的在于针对现有技术的不足，提供一种基于神经网络的图像查重方法及相关设备，通过预先建立索引库，再通过对待查图像提取特征，并与索引库中的特征进行比对确定所述待查图像是否重复，可以提高图像查重的效率和精度。为达到上述目的，本申请的技术方案提供一种基于神经网络的图像查重方法及相关设备。本申请公开了一种基于神经网络的图像查重方法，包括以下步骤：构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；获取待查图像，并对所述待查图像通过神经网络进行特征提取，获得所述待查图像的特征；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果。较佳地，所述构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引，包括：构建图像数据库，为所述图像数据库中的每一张图像进行编号；通过神经网络获取所述图像数据库中的每一张图像的特征，并将所述图像数据库中的每一张图像的特征与每一张图像的编号进行对应。较佳地，所述将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果，包括：预设特征相似度概率阈值；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获取所述图像数据库中的每一张图像的特征相似度概率；根据所述特征相似度概率阈值及所述图像数据库中的每一张图像的特征相似度概率获得所述待查图像的查重结果。较佳地，所述根据所述特征相似度概率阈值及所述图像数据库中的每一张图像的特征相似度概率获得所述待查图像的查重结果，包括：将所述特征相似度概率阈值与所述图像数据库中的每一张图像的特征相似度概率进行比较，获得不小于所述特征相似度概率阈值的特征相似度概率；根据所述不小于所述特征相似度概率阈值的特征相似度概率对应的图像特征获得图像编号；根据所述图像编号在所述图像数据库中查询，获得与所述图像编号对应的图像。较佳地，所述根据所述图像编号在所述图像数据库中查询，获得与所述图像编号对应的图像之后，包括：在所述图像中根据图像的特征相似度概率对所述图像进行查询，获得最高特征相似度概率对应的图像；将所述最高特征相似度概率对应的图像标记为与所述待查图像重复的图像。较佳地，所述根据所述特征相似度概率阈值及所述图像数据库中的每一张图像的特征相似度概率获得所述待查图像的查重结果，包括：将所述特征相似度概率阈值与所述图像数据库中的每一张图像的特征相似度概率进行比较；如果所述图像数据库中的每一张图像的特征相似度概率都小于所述特征相似度概率阈值时，发送无重复图像信息；如果所述图像数据库中至少有一张图像的特征相似度概率不小于所述特征相似度概率阈值时，发送有重复图像信息，并展示不小于所述特征相似度概率阈值的图像。较佳地，所述将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果之后，包括：如果所述待查图像为不重复图像，根据所述图像数据库中图像的当前序号为所述待查图像进行编号；将所述已编号的待查图像存储在所述图像数据库中，对所述已编号的待查图像进行特征提取，并建立所述已编号的待查图像的特征与编号之间的索引。本申请还公开了一种基于神经网络的图像查重装置，所述装置包括：特征索引建立模块：设置为构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；特征提取模块：设置为获取待查图像，并对所述待查图像通过神经网络进行特征提取，获得所述待查图像的特征；查重模块：设置为将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果。本申请还公开了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被一个或多个所述处理器执行时，使得一个或多个所述处理器执行上述所述图像查重方法的步骤。本申请还公开了一种存储介质，所述存储介质可被处理器读写，所述存储介质存储有计算机指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述图像查重方法的步骤。本申请的有益效果是：本申请通过预先建立索引库，再通过对待查图像提取特征，并与索引库中的特征进行比对确定所述待查图像是否重复，可以提高图像查重的效率和精度。附图说明图1为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图2为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图3为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图4为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图5为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图6为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图7为本申请实施例的一种基于神经网络的图像查重方法的流程示意图；图8为本申请实施例的一种基于神经网络的图像查重装置结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。本申请实施例的一种基于神经网络的图像查重方法流程如图1所示，本实施例包括以下步骤：步骤s101，构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；具体的，所述构建图像数据库可以是任意类型的数据库，所述数据库中可包含不同类型的图像；在初始状态下，所述数据库中可预先存储一部分图像，所述预先存储的部分图像与待查图像有关联关系，可从其他图像数据库中批量导入，也可在后续通过手工逐个图像进行添加，对于不需要的图像也可通过手工进行删除。具体的，当构建数据库后，可对所述数据库中的图像通过卷积神经网络(CNN)进行特征提取，所述卷积神经网络(CNN)是局部连接网络，相对于全连接网络其最大特点就是局部连接性和权值共享性。对一副图像中某个像素p来说，一般离像素p越近的像素对其影响也越大(局部连接性)；另外，根据自然图像的统计特性，某个区域的权值本文档来自技高网...

【技术保护点】
1.一种基于神经网络的图像查重方法，其特征在于，包括以下步骤：构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；获取待查图像，并对所述待查图像通过神经网络进行特征提取，获得所述待查图像的特征；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果。

【技术特征摘要】
1.一种基于神经网络的图像查重方法，其特征在于，包括以下步骤：构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引；获取待查图像，并对所述待查图像通过神经网络进行特征提取，获得所述待查图像的特征；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果。2.如权利要求1所述的基于神经网络的图像查重方法，其特征在于，所述构建图像数据库，为所述图像数据库中的每一张图像通过神经网络进行特征提取，并根据所述提取的特征建立特征索引，包括：构建图像数据库，为所述图像数据库中的每一张图像进行编号；通过神经网络获取所述图像数据库中的每一张图像的特征，并将所述图像数据库中的每一张图像的特征与每一张图像的编号进行对应。3.如权利要求1所述的基于神经网络的图像查重方法，其特征在于，所述将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获得所述待查图像的查重结果，包括：预设特征相似度概率阈值；将所述待查图像的特征与所述图像数据库中的每一张图像的特征进行比对，获取所述图像数据库中的每一张图像的特征相似度概率；根据所述特征相似度概率阈值及所述图像数据库中的每一张图像的特征相似度概率获得所述待查图像的查重结果。4.如权利要求3所述的基于神经网络的图像查重方法，其特征在于，所述根据所述特征相似度概率阈值及所述图像数据库中的每一张图像的特征相似度概率获得所述待查图像的查重结果，包括：将所述特征相似度概率阈值与所述图像数据库中的每一张图像的特征相似度概率进行比较，获得不小于所述特征相似度概率阈值的特征相似度概率；根据所述不小于所述特征相似度概率阈值的特征相似度概率对应的图像特征获得图像编号；根据所述图像编号在所述图像数据库中查询，获得与所述图像编号对应的图像。5.如权利要求4所述的基于神经网络的图像查重方法，其特征在于，所述根据所述图像编号在所述图像数据库中查询，获得与所述图像编号对应的图像之后，包括：在所述图像中根据图像的特征相似度概率对所述图像进行查询，获得最高特征相似度概率对应的...

【专利技术属性】
技术研发人员：马进，王健宗，
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