【技术实现步骤摘要】
图像特征提取模型的训练方法和图像检索方法
本说明书涉及图像处理
，尤其涉及一种图像特征提取模型的训练方法和图像检索方法。
技术介绍
车险理赔是汽车发生交通事故后，车主到保险公司理赔。保险公司的理赔工作人员根据本次交通事故中车辆所受的损伤，确定理赔额度。但是，为了避免车主对同一损伤重复申请理赔，保险公司的理赔工作人员需要对已经进行理赔的损伤进行记录。相关技术中，将已经理赔过的车辆照片进行存储，作为该车辆的理赔记录。在车主对某个损伤申请理赔时，系统自动检索该车辆之前的照片，如果检索到的照片中都没有该损伤，则可以确定该损伤没有进行过理赔，以防车主重复申请理赔。
技术实现思路
本说明书实施例旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本说明书实施例的第一个目的在于提出一种图像特征提取模型的训练方法，使得不同类型的图像对应的图像特征，存在较大区别，在进行图像检索时，使用该模型进行图像特征的提取，提升了图像检索的准确度。本说明书实施例的第二个目的在于提出一
【技术保护点】
1.一种图像特征提取模型的训练方法，包括：/n获取样本图像，以及所述样本图像对应的类型；/n将所述样本图像输入图像特征提取模型，以生成所述样本图像对应的图像特征；其中，所述图像特征提取模型包括卷积神经网络；/n根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练；以及/n当相同类型的所述样本图像对应的图像特征，在所述特征空间中的位置重合，并且不同类型的所述样本图像对应的图像特征，在所述特征空间中均匀分布时，完成对所述图像特征提取模型的训练。/n
【技术特征摘要】
1.一种图像特征提取模型的训练方法，包括：
获取样本图像，以及所述样本图像对应的类型；
将所述样本图像输入图像特征提取模型，以生成所述样本图像对应的图像特征；其中，所述图像特征提取模型包括卷积神经网络；
根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练；以及
当相同类型的所述样本图像对应的图像特征，在所述特征空间中的位置重合，并且不同类型的所述样本图像对应的图像特征，在所述特征空间中均匀分布时，完成对所述图像特征提取模型的训练。
2.如权利要求1所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，包括：
调整所述卷积神经网络的参数，以减小相同类型的所述样本图像对应的图像特征在所述特征空间中的距离。
3.如权利要求2所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，还包括：
调整所述卷积神经网络的参数，以增大不同类型的所述样本图像对应的图像特征在所述特征空间中的距离。
4.如权利要求3所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，还包括：
调整所述卷积神经网络的参数，以使第一类型的所述样本图像对应的图像特征和第二类型的所述样本图像对应的图像特征在所述特征空间中的距离，与第一类型的所述样本图像对应的图像特征和第三类型的所述样本图像对应的图像特征在所述特征空间中的距离的差值小于或者等于预设阈值。
5.一种图像检索方法，包括：
获取待检索图像；
将所述待检索图像输入如权利要求1-4所述的训练方法训练后的图像特征提取模型，以生成所述待检索图像对应的图像特征；
确定所述待检索图像对应的图像特征和图像库中图像对应的图像特征在特征空间中的距离；以及
根据所述距离，确定所述图像库中与所述待检索图像类型相同的图像。
6.如权利要求5所述的方法，其中，在所述根据所述距离，确定所述图像库中与所述待检索图像类型相同的图像之后，还包括：将所述图像库中与所述待检索图像类型相同的图像，设置在图像检索结果列表的顶端。
7.如权利要求6所述的方法，其中，所述将所述图像库中与所述待检索图像类型相同的图像，设置在图像检索结果列表的顶端，包括：
确定所述待检索图像对应的图像特征和所述图像库中每种类型的图像对应的图像特征在所述特征空间中的距离；
按照所述距离从小到大的顺序，将所述图像库中每种类型的图像从上到下设置在所述图像检索结果列表中。
8.一种图像特征提取模型的训练装置，包括：
第一获取模块，用于获取样本图像，以及所述样本图像对应的类型；
第一输入模块，用于将所述样本图像输入图像特征提取模型，以生成所述样本图像对应的图像特征；其中，所述图像特征提取模型包括卷积神经网络；
训练模块，用于根据所述样本图像对应的图像特征在特征空间中的距离，对...
【专利技术属性】
技术研发人员：徐富荣，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。