基于深度学习的相似图片搜索方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种基于深度学习的相似图片搜索方法、装置、设备及介质，该方法，包括：基于深度学习模型提取待搜索图片的特征信息；对特征信息进行降维处理，得到特征降维信息；根据特征降维信息进行分区索引，得到特征ID；根据特征ID在数据库中进行查询，获得对应待搜索图片的相似图片。本发明专利技术基于深度学习模型，以较大地提升特征提取的效率和全面性；通过对提取的特征进行降维处理，以使数据集更易使用，降低算法的计算开销，去除噪声，使得结果容易理解，从而提高后续分区索引速度；通过分区索引方法，以在保证搜索准确率的前提下，极大地提升了搜索速度；通过数据库保存文件ID和图片名，以加速图片定位过程，并且有利于存储新的图片信息。图片信息。图片信息。

【技术实现步骤摘要】
基于深度学习的相似图片搜索方法、装置、设备及介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于深度学习的相似图片搜索方法、装置、设备及介质。

技术介绍

[0002]随着人工智能领域的不断发展，尤其是深度学习算法及其模型的不断改进，利用深度学习模型来解决计算机视觉领域的难点、痛点是近几年和未来的重要发展趋势。互联网技术发展迅猛，产生的信息呈爆炸式增长，传统的文件系统难以满足海量文件对于动态扩展、高效访问的需求。
[0003]与传统计算机视觉算法相比，深度学习模型能更高效且智能的解决实际问题，但是在相似图片搜索领域，由于数据不足、传统搜索框架性能较低等问题，导致搜索准确率和搜索速率较低。例如：在有限的数据特征中，搜索得到很多与输入图片相似度较低的图片，且搜索过程耗时较长。所以，如何提升搜索准确率和提高搜索效率一直是计算机视觉算法工程师需要解决的难题。

技术实现思路

[0004]本专利技术提供一种基于深度学习的相似图片搜索方法、装置、设备及介质，用以解决现有技术中相似图片搜索引擎数据不足以致搜索效率较低的缺陷，从而提高搜索效率以及搜索准确率。
[0005]本专利技术提供一种基于深度学习的相似图片搜索方法，包括：基于深度学习模型提取待搜索图片的特征信息；其中，所述深度学习模型是基于待搜索训练图片及其对应的已知特征信息进行训练得到的；对所述特征信息进行降维处理，得到特征降维信息；根据所述特征降维信息进行分区索引，得到特征ID；根据所述特征ID在数据库中进行查询，获得对应所述待搜索图片的相似图片。
[0006]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，所述对所述特征信息进行降维处理，包括：寻找所述特征信息的主成分方向；基于所述主成分方向构建新正交坐标轴；将所述特征信息由原坐标轴向新正交坐标轴投影，得到特征降维信息。
[0007]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，所述根据所述特征降维信息进行分区索引，得到特征ID，包括：搜索特征索引库内与所述特征降维信息具有相同类别的向量；计算所述特征降维信息与类别相同的向量之间相似度，并选取相似度最高的向量作为相似向量；提取所述相似向量的文件ID作为特征ID。
[0008]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，所述计算所述特征降维信息与类别相同的向量之间相似度，并选取相似度最高的向量作为相似向量，包括：基于所述特征降维信息与类别相同的向量，计算欧式距离；选取对应欧式距离最小的类别相同的向量，作为所述特征降维信息的相似向量。
[0009]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，所述基于深度学习模
型提取待搜索图片的特征信息，包括：基于深度学习模型提取所述待搜索图片的文件ID、图片名、图像轮廓和形状。
[0010]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，在所述基于深度学习模型提取待搜索图片的特征信息之前，包括：获取原图片；对所述原图片的大小和像素做归一化处理，得到大小、像素相同的待搜索图片。
[0011]根据本专利技术提供的一种基于深度学习的相似图片搜索方法，在所述基于深度学习模型提取待搜索图片的特征信息之后，包括：以所述特征信息中的文件ID和图片名为关键词key，以所述特征信息中的向量为value值的形式存储所述特征信息。
[0012]本专利技术还提供一种基于深度学习的相似图片搜索装置，包括：特征提取模块，基于深度学习模型提取待搜索图片的特征信息；其中，所述深度学习模型是基于待搜索训练图片及其对应的已知特征信息进行训练得到的；降维处理模块，对所述特征信息进行降维处理，得到特征降维信息；索引模块，根据所述特征降维信息进行分区索引，得到特征ID；查询模块，根据所述特征ID在数据库中进行查询，获得对应所述待搜索图片的相似图片。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于深度学习的相似图片搜索方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于深度学习的相似图片搜索方法的步骤。
[0015]本专利技术提供的基于深度学习的相似图片搜索方法、装置、设备及介质，基于深度学习模型，以较大地提升特征提取的效率和全面性，有利于建立轻量且准确的特征索引库，为图片在线检索阶段做好充足的准备；通过对提取的特征进行降维处理，以使数据集更易使用，降低算法的计算开销，去除噪声，使得结果容易理解，从而提高后续分区索引速度；通过分区索引方法，以在保证搜索准确率的前提下，极大地提升了搜索速度；通过数据库保存文件ID和图片名，以加速图片定位过程，并且有利于存储新的图片信息。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术提供的基于深度学习的相似图片搜索方法的流程示意图之一；
[0018]图2是本专利技术提供的基于深度学习的相似图片搜索方法的流程示意图之二；
[0019]图3是本专利技术提供的基于深度学习模型的离线建立图片特征索引库的流程示意图；
[0020]图4是本专利技术提供的基于深度学习的相似图片搜索装置的结构示意图；
[0021]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本
专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]图1
‑
2分别示出了一种基于深度学习的相似图片搜索方法的流程示意图，该方法，包括：
[0024]S01，基于深度学习模型提取待搜索图片的特征信息；其中，深度学习模型是基于待搜索训练图片及其对应的已知特征信息进行训练得到的；
[0025]S02，对特征信息进行降维处理，得到特征降维信息；
[0026]S03，根据特征降维信息进行分区索引，得到特征ID；
[0027]S04，根据特征ID在数据库中进行查询，获得对应待搜索图片的相似图片。
[0028]需要说明的是，本说明书中的S0N不代表基于深度学习的相似图片搜索方法的先后顺序，下面具体结合图3描述本专利技术的基于深度学习的相似图片搜索方法。
[0029]步骤S01，基于深度学习模型提取待搜索图片的特征信息；其中，深度学习模型是基于待搜索训练图片及其对应的已知特征信息进行训练得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的相似图片搜索方法，其特征在于，包括：基于深度学习模型提取待搜索图片的特征信息；其中，所述深度学习模型是基于待搜索训练图片及其对应的已知特征信息进行训练得到的；对所述特征信息进行降维处理，得到特征降维信息；根据所述特征降维信息进行分区索引，得到特征ID；根据所述特征ID在数据库中进行查询，获得对应所述待搜索图片的相似图片。2.根据权利要求1所述的基于深度学习的相似图片搜索方法，其特征在于，所述对所述特征信息进行降维处理，包括：寻找所述特征信息的主成分方向；基于所述主成分方向构建新正交坐标轴；将所述特征信息由原坐标轴向新正交坐标轴投影，得到特征降维信息。3.根据权利要求1所述的基于深度学习的相似图片搜索方法，其特征在于，所述根据所述特征降维信息进行分区索引，得到特征ID，包括：搜索特征索引库内与所述特征降维信息具有相同类别的向量；计算所述特征降维信息与类别相同的向量之间相似度，并选取相似度最高的向量作为相似向量；提取所述相似向量的文件ID作为特征ID。4.根据权利要求3所述的基于深度学习的相似图片搜索方法，其特征在于，所述计算所述特征降维信息与类别相同的向量之间相似度，并选取相似度最高的向量作为相似向量，包括：基于所述特征降维信息与类别相同的向量，计算欧式距离；选取对应欧式距离最小的类别相同的向量，作为所述特征降维信息的相似向量。5.根据权利要求1所述的基于深度学习的相似图片搜索方法，其特征在于，所述基于深度学习模型提取待搜索图片的特征信息，包括：基于...

【专利技术属性】
技术研发人员：黄梦颖，
申请(专利权)人：浪潮软件科技有限公司，
类型：发明
国别省市：