一种相似图像的搜索方法及装置制造方法及图纸

本申请提供了一种相似图像的搜索方法及装置，该相似图像的搜索方法包括：获取多张参考图像；得到多张参考图像对应的多个参考特征向量；对多个参考特征向量进行聚类，得到多个特征向量堆；计算多个特征向量堆对应的多个平均特征向量；得到待搜索特征向量；分别计算待搜索特征向量与各个平均特征向量的第一向量相似度；将第一向量相似度最大的平均特征向量确定为目标平均特征向量，得到目标平均特征向量对应的目标特征向量堆；分别计算待搜索特征向量与目标特征向量堆中各个参考特征向量的第二向量相似度；将第二向量相似度最大的预设数量的参考特征向量对应的参考图像确定为待搜索图像的相似图像。本申请能够提高相似图像的搜索准确率。的搜索准确率。的搜索准确率。

【技术实现步骤摘要】
一种相似图像的搜索方法及装置


[0001]本申请涉及图像处理
，具体涉及一种相似图像的搜索方法及装置。

技术介绍

[0002]随着互联网技术的日益发展，科技的运用正在迅速融入各传统行业中，在服装行业中，图片搜索是一项非常重要的新型科技力量。其主要需要解决的问题是用户给定一张图片，在内部商品图片集中在线搜索与其外观相似或含有相同主要元素的图片。传统的图像特征提取算法需要人工构造特征，效率低且精度低，并且随着企业规模的扩张导致的数据量与日俱增，庞大的数据量加上传统的图像特征提取算法会导致用户无法快速高效地通过图片搜索定位相似图像，从而无法快速定位商品。
[0003]现有技术中，现有技术中相似图像的搜索方法不准确。

技术实现思路

[0004]本申请旨在提供一种相似图像的搜索方法及装置，旨在解决现有技术中相似图像的搜索方法不准确的问题。
[0005]一方面，本申请提供一种相似图像的搜索方法，所述相似图像的搜索方法包括：
[0006]获取多张参考图像；
[0007]将多张参考图像输入预设特征提取模型，得到多张参考图像对应的多个参考特征向量；
[0008]对所述多个参考特征向量进行聚类，得到多个特征向量堆，其中，每个特征向量堆包括至少两个参考特征向量；
[0009]计算多个特征向量堆对应的多个平均特征向量；
[0010]将待搜索图像输入预设特征提取模型，得到待搜索特征向量；
[0011]分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度；
[0012]将第一向量相似度最大的平均特征向量确定为目标平均特征向量，得到目标平均特征向量对应的目标特征向量堆；
[0013]分别计算待搜索特征向量与目标特征向量堆中各个参考特征向量的第二向量相似度，得到多个第二向量相似度；
[0014]将第二向量相似度最大的预设数量的参考特征向量对应的参考图像确定为待搜索图像的相似图像。
[0015]可选地，所述预设特征提取模型为ResNet
‑
101
‑
FPN。
[0016]可选地，所述预设特征提取模型对输入的图像进行金字塔融合得到5个金字塔特征向量。
[0017]可选地，所述分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度，包括：
[0018]获取图片搜索模式；
[0019]若所述图片搜索模式为整图搜索模式，则将所述预设特征提取模型根据参考图像输出的5个金字塔特征向量转换为一维向量，得到第一参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量转换为一维向量，得到第一待搜索转换向量；
[0020]将第一参考转换向量和第一待搜索转换向量的向量相似度确定为第一向量相似度。
[0021]可选地，所述相似图像的搜索方法还包括：
[0022]若所述图片搜索模式为细节搜索模式，则将所述FPN模块根据参考图像输出的5个金字塔特征向量中位于特征金字塔底部的3个金字塔特征向量转换为一维向量，得到第二参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量中位于特征金字塔底部的3个金字塔特征向量转换为一维向量，得到第二待搜索转换向量；
[0023]将第二参考转换向量和第二待搜索转换向量的向量相似度确定为第一向量相似度。
[0024]可选地，所述对所述多个参考特征向量进行聚类，得到多个特征向量堆，其中，每个特征向量堆包括至少两个参考特征向量，包括：
[0025]利用K均值聚类算法对所述多个参考特征向量进行聚类，得到多个特征向量堆。
[0026]可选地，所述将待搜索图像输入预设特征提取模型，得到待搜索特征向量，之前，包括：
[0027]获取用户上传的待搜索图像。
[0028]一方面，本申请提供一种相似图像的搜索装置，所述相似图像的搜索装置包括：
[0029]第一获取单元，用于获取多张参考图像；
[0030]第一特征提取单元，用于将多张参考图像输入预设特征提取模型，得到多张参考图像对应的多个参考特征向量；
[0031]聚类单元，用于对所述多个参考特征向量进行聚类，得到多个特征向量堆，其中，每个特征向量堆包括至少两个参考特征向量；
[0032]第一计算单元，用于计算多个特征向量堆对应的多个平均特征向量；
[0033]第二特征提取单元，用于将待搜索图像输入预设特征提取模型，得到待搜索特征向量；
[0034]第二计算单元，用于分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度；
[0035]第一确定单元，用于将第一向量相似度最大的平均特征向量确定为目标平均特征向量，得到目标平均特征向量对应的目标特征向量堆；
[0036]第三计算单元，用于分别计算待搜索特征向量与目标特征向量堆中各个参考特征向量的第二向量相似度，得到多个第二向量相似度；
[0037]第二确定单元，用于将第二向量相似度最大的预设数量的参考特征向量对应的参考图像确定为待搜索图像的相似图像。
[0038]可选地，所述预设特征提取模型为ResNet
‑
101
‑
FPN。
[0039]可选地，所述预设特征提取模型对输入的图像进行金字塔融合得到5个金字塔特
征向量。
[0040]可选地，所述分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度，包括：
[0041]获取图片搜索模式；
[0042]若所述图片搜索模式为整图搜索模式，则将所述预设特征提取模型根据参考图像输出的5个金字塔特征向量转换为一维向量，得到第一参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量转换为一维向量，得到第一待搜索转换向量；
[0043]将第一参考转换向量和第一待搜索转换向量的向量相似度确定为第一向量相似度。
[0044]可选地，所述相似图像的搜索方法还包括：
[0045]若所述图片搜索模式为细节搜索模式，则将所述FPN模块根据参考图像输出的5个金字塔特征向量中位于特征金字塔底部的3个金字塔特征向量转换为一维向量，得到第二参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量中位于特征金字塔底部的3个金字塔特征向量转换为一维向量，得到第二待搜索转换向量；
[0046]将第二参考转换向量和第二待搜索转换向量的向量相似度确定为第一向量相似度。
[0047]可选地，所述对所述多个参考特征向量进行聚类，得到多个特征向量堆，其中，每个特征向量堆包括至少两个参考特征向量，包括：
[0048]利用K均值聚类算法对所述多个参考特征向量进行聚类，得到多个特征向量堆。
[0049]可选地，所述将待搜索图像输入预设特征提取模型，得到待搜索特征向量，之前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相似图像的搜索方法，其特征在于，所述相似图像的搜索方法包括：获取多张参考图像；将多张参考图像输入预设特征提取模型，得到多张参考图像对应的多个参考特征向量；对所述多个参考特征向量进行聚类，得到多个特征向量堆，其中，每个特征向量堆包括至少两个参考特征向量；计算多个特征向量堆对应的多个平均特征向量；将待搜索图像输入预设特征提取模型，得到待搜索特征向量；分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度；将第一向量相似度最大的平均特征向量确定为目标平均特征向量，得到目标平均特征向量对应的目标特征向量堆；分别计算待搜索特征向量与目标特征向量堆中各个参考特征向量的第二向量相似度，得到多个第二向量相似度；将第二向量相似度最大的预设数量的参考特征向量对应的参考图像确定为待搜索图像的相似图像。2.根据权利要求1所述的相似图像的搜索方法，其特征在于，所述预设特征提取模型为ResNet
‑
101
‑
FPN。3.根据权利要求2所述的相似图像的搜索方法，其特征在于，所述预设特征提取模型对输入的图像进行金字塔融合得到5个金字塔特征向量。4.根据权利要求3所述的相似图像的搜索方法，其特征在于，所述分别计算待搜索特征向量与各个平均特征向量的第一向量相似度，得到多个第一向量相似度，包括：获取图片搜索模式；若所述图片搜索模式为整图搜索模式，则将所述预设特征提取模型根据参考图像输出的5个金字塔特征向量转换为一维向量，得到第一参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量转换为一维向量，得到第一待搜索转换向量；将第一参考转换向量和第一待搜索转换向量的向量相似度确定为第一向量相似度。5.根据权利要求4所述的相似图像的搜索方法，其特征在于，所述相似图像的搜索方法还包括：若所述图片搜索模式为细节搜索模式，则将所述FPN模块根据参考图像输出的5个金字塔特征向量中位于特征金字塔底部的3个金字塔特征向量转换为一维向量，得到第二参考转换向量，将所述预设特征提取模型根据待搜索图像输出的5个金字塔特征向量中位于特征金字塔底...

【专利技术属性】
技术研发人员：秦华东，黄俊雄，
申请(专利权)人：广州飞狮数字科技有限公司，
类型：发明
国别省市：