一种视觉搜索重排序方法和系统技术方案

本申请实施例公开了一种视觉搜索重排序方法和系统，所述方法包括：基于待查询图像的特征向量和数据库中的图像数据集的每一张图像的特征向量分别进行相似度计算并排序，得到第一排序列表；根据所述第一排序列表的图像，构建基底图像特征集；根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征；根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征；根据所述第一排序列表中每个图像的矫正特征和所述待查询图像矫正特征，对所述第一排序列表中的图像进行重排序，得到第二排序列表。采用两阶段的搜索方式提升视觉搜索的准确率。率。率。

【技术实现步骤摘要】
一种视觉搜索重排序方法和系统


[0001]本申请实施例涉及图像检索
，具体涉及一种视觉搜索重排序方法和系统。

技术介绍

[0002]在基于内容的图像检索中，第一轮检索结果通过简单的视觉特征对比可能不尽如人意，可以通过视觉重排序来技术来得到更好的检索结果。
[0003]现有技术中的视觉检索是通过对查询图像和数据库中的图像进行特征提取后，计算特征之间的相似度，并根据相似度的大小进行最后的排序操作，但是这种排序没有考虑到查询返回的TOP
‑
K排序列表中的丰富的信息，往往查询的准确率比较低。
[0004]现有的视觉重排序方法有以下缺点：a.重排序模型的输入就是原始特征，这样原始特征的好坏直接影响到后续排序模型的性能，并且灵活性不高；b.计算复杂度高，需要采用局部特征描述子的方式或者通过构建相似度矩阵的方式进行迭代计算。

技术实现思路

[0005]为此，本申请实施例提供一种视觉搜索重排序方法和系统，采用两阶段的搜索方式提升视觉搜索的准确率。
[0006]为了实现上述目的，本申请实施例提供如下技术方案：
[0007]根据本申请实施例的第一方面，提供了一种视觉搜索重排序方法，所述方法包括：
[0008]基于待查询图像的特征向量和数据库中的图像数据集的每一张图像的特征向量分别进行相似度计算并排序，得到第一排序列表；
[0009]根据所述第一排序列表的图像，构建基底图像特征集；
[0010]根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征；根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征；
[0011]根据所述第一排序列表中每个图像的矫正特征和所述待查询图像矫正特征，对所述第一排序列表中的图像进行重排序，得到第二排序列表。
[0012]可选地，所述根据所述第一排序列表的图像，构建基底图像特征集，包括：
[0013]筛选出所述第一排序列表中与所述待查询图像的相似度最大的设定数目的图像，作为基底图像；
[0014]对所述基底图像分别进行特征提取，得到基底图像特征集。
[0015]可选地，所述根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征，包括：
[0016]根据所述基底图像特征集中的每个基底图像的特征向量和所述第一排序列表中的图像的特征向量，通过如下公式计算所述第一排序列表中的图像的矫正特征：
[0017]Mi＝[F
riT
F
B1
,F
riT
F
B2
,
…
,F
riT
F
BA
]，1≤i≤K
[0018]其中，r
i
表示基底图像i在所述第一排序列表中的排序位置序号，K为所述第一排序列表的图像数，[F
B1
,F
B2
,
…
,F
BA
]为所述基底图像特征集。
[0019]可选地，所述根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征，包括：
[0020]根据所述基底图像特征集和所述待查询图像的特征向量，通过如下公式计算所述待查询图像矫正特征：
[0021]Mq＝[F
qT
F
B1
,F
qT
F
B2
,
…
,F
qT
F
BA
][0022]其中，q为待查询图像，F
q
为待查询图像的特征向量。
[0023]可选地，所述根据所述第一排序列表中每个图像的矫正特征和所述待查询图像矫正特征，对所述第一排序列表中的图像进行重排序，得到第二排序列表，包括：
[0024]计算所述待查询图像矫正特征和所述第一排序列表中每个图像的矫正特征的相似度；
[0025]根据所述相似度对所述第一排序列表中的图像进行重排序，得到所述第二排序列表。
[0026]根据本申请实施例的第二方面，提供了一种视觉搜索重排序系统，所述系统包括：
[0027]第一排序模块，用于基于待查询图像的特征向量和数据库中的图像数据集的每一张图像的特征向量分别进行相似度计算并排序，得到第一排序列表；
[0028]基底图像特征模块，用于根据所述第一排序列表的图像，构建基底图像特征集；
[0029]矫正特征模块，用于根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征；根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征；
[0030]第二排序模块，用于根据所述第一排序列表中每个图像的矫正特征和所述待查询图像矫正特征，对所述第一排序列表中的图像进行重排序，得到第二排序列表。
[0031]可选地，所述基底图像特征模块，具体用于：
[0032]筛选出所述第一排序列表中与所述待查询图像的相似度最大的设定数目的图像，作为基底图像；
[0033]对所述基底图像分别进行特征提取，得到基底图像特征集。
[0034]可选地，所述矫正特征模块具体用于：
[0035]根据所述基底图像特征集中的每个基底图像的特征向量和所述第一排序列表中的图像的特征向量，通过如下公式计算所述第一排序列表中的图像的矫正特征：
[0036]Mi＝[F
riT
F
B1
,F
riT
F
B2
,
…
,F
riT
F
BA
]，1≤i≤K
[0037]其中，r
i
表示基底图像i在所述第一排序列表中的排序位置序号，K为所述第一排序列表的图像数，[F
B1
,F
B2
,
…
,F
BA
]为所述基底图像特征集。
[0038]根据本申请实施例的第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现上述第一方面所述的方法。
[0039]根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述第一方面所述的方法。
[0040]综上所述，本申请实施例提供了一种视觉搜索重排序方法和系统，通过基于待查
询图像的特征向量和数据库中的图像数据集的每一张图像的特征向量分别进行相似度计算并排序，得到第一排序列表；根据所述第一排序列表的图像，构建基底图像特征集；根据所述基底图像特征集对所述第一排序列表中每个图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉搜索重排序方法，其特征在于，所述方法包括：基于待查询图像的特征向量和数据库中的图像数据集的每一张图像的特征向量分别进行相似度计算并排序，得到第一排序列表；根据所述第一排序列表的图像，构建基底图像特征集；根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征；根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征；根据所述第一排序列表中每个图像的矫正特征和所述待查询图像矫正特征，对所述第一排序列表中的图像进行重排序，得到第二排序列表。2.如权利要求1所述的方法，其特征在于，所述根据所述第一排序列表的图像，构建基底图像特征集，包括：筛选出所述第一排序列表中与所述待查询图像的相似度最大的设定数目的图像，作为基底图像；对所述基底图像分别进行特征提取，得到基底图像特征集。3.如权利要求1所述的方法，其特征在于，所述根据所述基底图像特征集对所述第一排序列表中每个图像的特征向量进行矫正，得到所述第一排序列表中每个图像的矫正特征，包括：根据所述基底图像特征集中的每个基底图像的特征向量和所述第一排序列表中的图像的特征向量，通过如下公式计算所述第一排序列表中的图像的矫正特征：Mi＝[F
riT
F
B1
,F
riT
F
B2
,
…
,F
riT
F
BA
]，1≤i≤K其中，r
i
表示基底图像i在所述第一排序列表中的排序位置序号，K为所述第一排序列表的图像数，[F
B1
,F
B2
,
…
,F
BA
]为所述基底图像特征集。4.如权利要求1所述的方法，其特征在于，所述根据所述基底图像特征集对所述待查询图像的特征向量进行矫正，得到待查询图像矫正特征，包括：根据所述基底图像特征集和所述待查询图像的特征向量，通过如下公式计算所述待查询图像矫正特征：Mq＝[F
qT
F
B1
,F
qT
F
B2
,
…
,F
qT
F
BA
]其中，q为待查询图像，F
q
为待查询图像的特征向量。5.如权利要求1所述的方法，其特征在于，所述根据所述第一排序列表...

【专利技术属性】
技术研发人员：王海，李东东，
申请(专利权)人：重庆特斯联启智科技有限公司，
类型：发明
国别省市：