图像检索、图像量化模型训练方法、装置和存储介质制造方法及图纸

本申请涉及一种图像检索方法、装置、计算机设备和存储介质。所述方法包括：获取查询图像对应的类别量化特征以及内容量化特征，并获取各个候选图像对应的候选类别量化特征，基于类别量化特征从各个候选类别量化特征中确定目标候选类别量化特征；基于一级索引关系查找目标候选类别量化特征关联的各个候选内容量化特征，得到各个中间候选内容量化特征；基于内容量化特征从各个中间候选内容量化特征中确定目标候选内容量化特征；基于二级索引关系查找目标候选内容量化特征对应的候选图像，得到查询图像对应的检索结果图像。采用本方法能够提高图像检索效率。

【技术实现步骤摘要】
图像检索、图像量化模型训练方法、装置和存储介质
本申请涉及计算机
，特别是涉及一种图像检索、图像量化模型训练方法、装置、计算机设备和存储介质。
技术介绍
随着图像检索技术的发展，出现了图像去重检索技术，图像去重检索技术通常是提取到查询图像的特征，使用查询图像的特征与图像数据库中的保存的图像特征进行相似计算，从而检索到高相似的图像作为检索结果。目前，由于图像数据库中的图像越来越多，比如，超过200万样本。为了保证检索结果的准确性，通常要遍历所有样本，然后，由于图像的特征都是浮点向量，使浮点向量进行相似计算非常耗时，使得图像检索的效率低下。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高图像检索效率的图像搜索以及图像量化模型训练方法、装置、计算机设备和存储介质。一种图像检索方法，所述方法包括：获取查询图像，并获取查询图像对应的类别量化特征以及内容量化特征，查询图像对应的类别量化特征以及内容量化特征是基于查询图像进行二值量化特征提取得到的，类别量化特征用于表征图像类别，内容量化特征用于表征图像本文档来自技高网...

【技术保护点】
1.一种图像检索方法，其特征在于，所述方法包括：/n获取查询图像，并获取所述查询图像对应的类别量化特征以及内容量化特征，所述查询图像对应的类别量化特征以及内容量化特征是基于所述查询图像进行二值量化特征提取得到的，所述类别量化特征用于表征图像类别，所述内容量化特征用于表征图像包含的具体内容；/n获取各个候选图像对应的候选类别量化特征，基于所述类别量化特征从各个候选类别量化特征中确定目标候选类别量化特征；/n获取一级索引关系，所述一级索引关系是指所述各个候选类别量化特征与所述各个候选图像对应的候选内容量化特征的关联关系，基于所述一级索引关系查找所述目标候选类别量化特征关联的各个候选内容量化特征，得...

【技术特征摘要】
1.一种图像检索方法，其特征在于，所述方法包括：
获取查询图像，并获取所述查询图像对应的类别量化特征以及内容量化特征，所述查询图像对应的类别量化特征以及内容量化特征是基于所述查询图像进行二值量化特征提取得到的，所述类别量化特征用于表征图像类别，所述内容量化特征用于表征图像包含的具体内容；
获取各个候选图像对应的候选类别量化特征，基于所述类别量化特征从各个候选类别量化特征中确定目标候选类别量化特征；
获取一级索引关系，所述一级索引关系是指所述各个候选类别量化特征与所述各个候选图像对应的候选内容量化特征的关联关系，基于所述一级索引关系查找所述目标候选类别量化特征关联的各个候选内容量化特征，得到各个中间候选内容量化特征；
基于所述内容量化特征从所述各个中间候选内容量化特征中确定目标候选内容量化特征；
获取二级索引关系，所述二级索引关系是指所述各个候选内容量化特征与所述各个候选图像的关联关系，基于所述二级索引关系查找所述目标候选内容量化特征对应的候选图像，得到所述查询图像对应的检索结果图像。


2.根据权利要求1所述的方法，其特征在于，所述获取所述查询图像对应的类别量化特征以及内容量化特征，所述查询图像对应的类别量化特征以及内容量化特征是基于所述查询图像进行二值量化特征提取得到的，包括：
将所述查询图像输入到图像量化模型中，所述图像量化模型通过类别量化特征提取分支网络进行二值量化特征提取，得到所述类别量化特征，并通过内容量化特征提取分支网络进行二值量化特征提取，得到所述内容量化特征。


3.根据权利要求2所述的方法，其特征在于，所述将所述查询图像输入到图像量化模型中，所述图像量化模型通过类别量化特征提取分支网络进行二值量化特征提取，得到所述类别量化特征，并通过内容量化特征提取分支网络进行二值量化特征提取，得到所述内容量化特征，包括：
将所述查询图像输入到所述图像量化模型中，所述图像量化模型将所述查询图像输入到深度特征提取网络中进行深度特征提取，得到查询图像深度特征；
将所述查询图像深度特征输入到特征映射网络中进行特征映射，得到查询图像映射特征；
将所述查询图像映射特征分别输入到所述类别量化特征提取分支网络和所述内容量化特征提取分支网络中；
所述类别量化特征提取分支网络基于所述查询图像映射特征进行分类识别，得到查询图像类别特征，将所述查询图像类别特征进行二值量化，得到所述类别量化特征；
所述内容量化特征提取分支网络基于所述查询图像映射特征进行图像内容识别，得到查询图像内容特征，将所述查询图像内容特征进行二值量化，得到所述内容量化特征。


4.根据权利要求3所述的方法，其特征在于，所述图像量化模型的训练包括以下步骤：
获取训练图像集，所述训练图像集包括图像类别标签；
将所述训练图像集输入到初始图像特征提取模型中，所述初始图像特征提取模型通过初始类别特征提取分支网络和初始内容特征提取分支网络进行特征提取，得到所述训练图像集对应的初始类别特征集和初始内容特征集；
基于所述初始类别特征集和对应的图像类别标签进行损失计算，得到初始分类损失信息；
从训练图像集中确定图像三元组，基于所述图像三元组和所述初始内容特征集进行图像三元组损失计算，得到分支三元组损失信息，并将所述初始类别特征集和初始内容特征集融合，得到初始融合特征集，基于所述初始融合特征集进行图像三元组计算，得到图像三元组损失信息；
对所述初始内容特征集进行二值量化，得到初始内容量化特征集，基于所述初始内容特征集和所述初始内容量化特征集进行量化损失计算，得到量化损失信息；
基于所述分类损失信息、所述分支三元组损失信息、所述图像三元组损失信息和所述量化损失信息更新所述初始图像特征提取模型，并返回将所述训练图像集输入到初始图像特征提取模型中的步骤迭代执行，直到达到训练完成条件时，得到目标图像特征提取模型，基于所述目标图像特征提取模型得到所述图像量化模型。


5.根据权利要求4所述的方法，其特征在于，所述训练图像集中包括各个正样本图像对；
所述从训练图像集中确定图像三元组，包括：
基于所述各个正样本图像对进行负样本图像筛选，得到所述各个正样本图像对对应的负样本图像，基于所述各个正样本图像对和对应的负样本图像得到各个图像三元组；
所述基于所述图像三元组和所述初始内容特征集进行图像三元组损失计算，得到分支三元组损失信息，包括：
从所述初始内容特征集中查找所述各个图像三元组对应的初始内容特征，基于所述各个图像三元组对应的初始内容特征进行图像三元组损失计算，得到分支三元组损失信息。


6.根据权利要求5所述的方法，其特征在于，所述基于所述各个正样本图像对进行负样本图像筛选，得到所述各个正样本图像对对应的负样本图像，基于所述各个正样本图像对和对应的负样本图像得到各个图像三元组，包括：
基于所述各个正样本图像对确定当前正样本图像对和各个待挖掘正样本图像对；
从当前正样本图像对中随机选取，得到当前图像，并分别从所述各个待挖掘正样本图像对中随机选取，得到各个待挖掘图像；
计算所述当前图像分别与所述各个待挖掘图像之间的相似度，基于所述相似度从所述各个待挖掘图像中确定所述当前正样本图像对对应的当前负样本图像；
基于所述当前正样本图像对和所述当前负样本图像得到所述当前正样本图像对对应的当前图像三元组。


7.根据权利要求4所述的方法，其特征在于，所述图像三元组包括第一正样本图像、第二正样本图像以及负样本图像；
所述基于所述图像三元组和所述初始内容特征集进行图像三元组损失计算，得到分支三元组损失信息，包括：
从所述初始内容特征集中查找所述第一正样本图像对应的初始内容特征、所述第二正样本图像对应的初始内容特征以及所述负样本图像对应的初始内容特征；
计算所述第一正样本图像对应的初始内容特征与所述第二正样本图像对应的初始内容特征的第一相似距离，并计算所述第一正样本图像对应的初始内容特征与所述负样本图像对应的初始内容特征的第二相似距离；
计算所述第一相似距离与所述第二相似距离的分支距离误差，基于所述分支距离误差确定所述分支三元组损失信息。


8.根据权利要求4所述的方法，其特征在于，所述图像三元组包括第一正样本图像、...

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