【技术实现步骤摘要】
一种图像相似度确定方法、装置、设备及可读存储介质
本专利技术涉及图像处理
，特别是涉及一种图像相似度确定方法、装置、设备及可读存储介质。
技术介绍
在大规模图像检索领域、图像识别(如人脸识别、二维码识别)等常见的图像处理应用场景中，计算两个图像之间的图像相似性至关重要。目前，经典的基于内容的特征编码如sift已经被广泛地应用到了图像相似度匹配中，随着图像数据库的指数级增长集中，传统的高维浮点特征编码已经不再能提供迅速的搜索。针对这一难题，一种方法是采用分布式服务器，每个服务器分别在子图像库中进行搜索，然后分布式框架再对结果进行合并和排序。第二种方法是不再使用高维浮点特征，而是使用二值化编码表示，一方面降低了内存需求，第二方面可以通过与或逻辑运算代替浮点运算，极大地提高了比对速度。但是，目前的二值化编码精度较低，无法保障计算得到的图像相似度结果可靠性。综上所述，如何有效地解决快速且准确地计算出图像相似度等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提...
【技术保护点】
1.一种图像相似度确定方法，其特征在于，包括：/n接收第一图像和第二图像的图像相似度计算指令时，获取所述第一图像，及所述第二图像的二值化特征；/n利用图像特征提取网络对所述第一图像进行特征提取，获得目标特征；/n利用二值特征提取网络对所述目标特征进行二值化特征提取，获得目标二值化特征；其中，所述二值特征提取网络为基于双曲函数进行构建，并利用浮点特征提取网络进行训练后得到的特征提取网络；/n按照逻辑运算计算出所述目标二值化特征与所述第二图像的二值化特征之间的特征相似度，将所述特征相似度确定为所述第一图像和所述第二图像的图像相似度。/n
【技术特征摘要】
1.一种图像相似度确定方法，其特征在于，包括：
接收第一图像和第二图像的图像相似度计算指令时，获取所述第一图像，及所述第二图像的二值化特征；
利用图像特征提取网络对所述第一图像进行特征提取，获得目标特征；
利用二值特征提取网络对所述目标特征进行二值化特征提取，获得目标二值化特征；其中，所述二值特征提取网络为基于双曲函数进行构建，并利用浮点特征提取网络进行训练后得到的特征提取网络；
按照逻辑运算计算出所述目标二值化特征与所述第二图像的二值化特征之间的特征相似度，将所述特征相似度确定为所述第一图像和所述第二图像的图像相似度。
2.根据权利要求1所述的图像相似度确定方法，其特征在于，在将所述特征相似度确定为所述第一图像和所述第二图像的图像相似度之后，还包括：
所述第一图像为待识别图像，所述第二图像为具有识别标签的图像，在所述图像相似度大于预设阈值时，将所述识别标签作为所述第一图像的识别结果。
3.根据权利要求1所述的图像相似度确定方法，其特征在于，在所述接收第一图像和第二图像的图像相似度计算指令时，获取所述第一图像，及所述第二图像的二值化特征之前，还包括：
接收图像检索指令，并输出导入所述第一图像的提示信息；
相应地，在将所述特征相似度确定为所述第一图像和所述第二图像的图像相似度之后，在所述图像相似度大于图像检索阈值时，将所述第二图像作为图像检索结果。
4.根据权利要求1所述的图像相似度确定方法，其特征在于，所述利用浮点特征提取网络进行训练，包括：
利用训练好的浮点特征提取网络提取训练图像的浮点特征；
利用所述二值特征提取网络提取所述训练图像的二值化训练特征；
将所述二值化训练特征转化为浮点训练特征；
利用所述浮点训练特征与所述浮点特征计算所述二值特征提取网络的损失值；
利用所述损失值对所述二值化提取网络的参数进行调整，直到所述损失值达到训练条件。
5.根据权利要求1所述的图像相似度确定方法，其特征在于，所述利用浮点特征提取网络进行训练，包括：
利用训练好的浮点特征提取网络提取训练图像的浮点特征...
【专利技术属性】
技术研发人员：刘路飞，毛晓蛟，章勇，曹李军，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32
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。