【技术实现步骤摘要】
图像搜索方法、装置、设备及计算机可读存储介质
本专利技术实施例涉及图像检索
，特别是涉及一种图像搜索方法、装置、设备及计算机可读存储介质。
技术介绍
随着深度学习技术的不断应用，基于图像内容的图像搜索技术得到快速的发展和应用。图像搜索技术不同于传统基于文本关键词的搜索，其更关注于图像本身的视觉内容，图像特征提取和图像的相似度匹配在图像搜索技术中至关重要。相关技术在进行图像特征提取时，通常从颜色，纹理和形状等不同的属性角度进行提取。但是，由于图像属性的多样性和图像本身的复杂性，图像属性特征为浅层特征信息，无法解决属性维度上的特征信息覆盖了图像细节上的特征的问题，无法体现图像细粒度的区分，导致基于图像属性提取的图像特征不利于提高图像搜索的准确度。鉴于此，如何解决基于属性特征维度的图像检索方法准确率不高的问题，提高图像检索的准确度，是本领域技术人员亟待解决的问题。
技术实现思路
本公开实施例提供了一种图像搜索方法、装置、设备及计算机可读存储介质，解决了基于属性特征维度的图像检索方法准确率不高的现状，提高了图像检索的准确度。为解决上述技术问题，本专利技术实施例提供以下技...
【技术保护点】
1.一种图像搜索方法，其特征在于，包括：基于待查询图像和图像数据库中各初始样本图像的图像属性特征间距离对各初始样本图像进行粗排序，并选取满足条件的n个初始样本图像组合为细粒度数据库；利用预先构建的细粒度特征提取模型提取所述待查询图像和所述细粒度数据库中各样本图像的图像细粒度特征；所述细粒度特征提取模型为使用每个样本图像均包括多个预设角度的子图像的训练样本集训练深度卷积神经网络结构所得；基于所述待查询图像和各样本图像的细粒度特征间距离对所述细粒度数据库中各样本图像进行排序，以作为检索所述图像数据库的结果。
【技术特征摘要】
1.一种图像搜索方法，其特征在于，包括：基于待查询图像和图像数据库中各初始样本图像的图像属性特征间距离对各初始样本图像进行粗排序，并选取满足条件的n个初始样本图像组合为细粒度数据库；利用预先构建的细粒度特征提取模型提取所述待查询图像和所述细粒度数据库中各样本图像的图像细粒度特征；所述细粒度特征提取模型为使用每个样本图像均包括多个预设角度的子图像的训练样本集训练深度卷积神经网络结构所得；基于所述待查询图像和各样本图像的细粒度特征间距离对所述细粒度数据库中各样本图像进行排序，以作为检索所述图像数据库的结果。2.根据权利要求1所述的图像搜索方法，其特征在于，所述基于待查询图像和图像数据库中各初始样本图像的图像属性特征间距离对各初始样本图像进行粗排序包括：计算所述待查询图像和各初始样本图像的图像属性特征间距离，并按照图像属性特征间距离值从小到大对各初始样本图像进行排序；将前m个初始样本图像的图像属性特征和所述待查询图像的图像属性特征加权取平均，生成融合图像属性特征，m＜n；计算所述融合图像属性特征和各初始样本图像的图像属性特征间距离，并按照图像属性特征间距离值从小到大对各初始样本图像进行排序，以作为各样本图像的粗排序结果。3.根据权利要求2所述的图像搜索方法，其特征在于，所述基于所述待查询图像和各样本图像的细粒度特征间距离，对所述细粒度数据库中各样本图像进行排序为：计算所述待查询图像的细粒度特征和各样本图像的细粒度特征间的欧式距离；按照所述待查询图像和各样本图像的细粒度特征间的欧式距离值从小到大对各样本图像进行排序。4.根据权利要求1至3任意一项所述的图像搜索方法，其特征在于，所述基于所述待查询图像和各样本图像的细粒度特征间距离，对所述细粒度数据库中各样本图像进行排序之后，还包括：输出与所述待查询图像的细粒度特征间距离值最小的样本图像，以作为检索所述图像数据库后得到与所述待查询图像相似度最高的图像。5.根据权利要求4所述的图像搜索方法，其特征在于，所述利用预先构建的细粒度特征提取模型提取所述待查询图像和所述细粒度数据库中各样本图像的图像细粒度特征包括：将所述待查询图像和所述细粒...
【专利技术属性】
技术研发人员：庞星，
申请(专利权)人：杭州时趣信息技术有限公司，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。