本申请涉及一种图像检索方法、装置及存储介质，包括：根据用户的样本图像，标记图像的轮廓和类别，基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型，根据样本图像训练模型，建立样本图像特征索引数据库，提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果，通过使其图片只保留物品像素，去除背景干扰，分割后的图片由于不存在背景干扰，用传统的形状，纹理，颜色特征提取到的向量特征能够真实的反映到目标物，从而达到更高的匹配精度。从而达到更高的匹配精度。从而达到更高的匹配精度。
【技术实现步骤摘要】
一种图像检索方法、装置及存储介质
[0001]本申请涉及通信
，尤其涉及一种图像检索方法、装置及存储介质。
技术介绍
[0002]图像检索是从图片检索数据库中检索出满足条件的图片，图片检索技术根据描述图像内容方式的不同可以分成两类：第一类是基于文本的图像检索技术，简称TBIR；第二类是基于内容的图像检索技术，简称CBIR。
[0003]TBIR技术是利用文本描述的方式来检索图片；CBIR技术是利用图片的颜色，纹理以及图片包含的物体，类别等信息检索图片，它分为检索同一个物体地不同图片和检索同一个类别地图片。基于CBIR图像检索技术主要包含几个步骤：输入图片，特征提取，度量学习，重排序。
[0004]基于传统的图像特征提取的方式进行图像的特征索引和检索，这种方式一般通过一些全局特征或者局部特征提取算法，基于传统的图像特征提取的方式进行图像的特征索引和检索方法，优点有特征提取速度快、特征向量维度小、匹配速度快，但缺点是精度不高，因为是往往一张图像需要检索的是图像内的一个或者多个物品，称为目标检测物或者图像主体，但拍摄的图像存在背景干扰，利用传统的图像特征提取法受背景干扰严重，极度影响匹配的精度。
[0005]基于深度学习的目标检测的图像检索方法，首先通过目标检测模型(比如yolov5目标检测网络模型)的人工智能方法，对待检索的图像进行检测，确定待搜索的目标物，再利用目标检测模型提取到的图像特征与待检索的图片库的特征进行相似度对比，之后根据相似度的排名进行重排序，最后再展示给用户。目标检测模型由于先对图像进行待搜索目标的确定，减少了背景干扰，精度比传统方法高，但还不能完全去除背景干扰，另外目标检测模型提取的图像特征侧重于物体的形状和纹理，存在对物体颜色属性没办法很好的区分缺点。
技术实现思路
[0006]为了能够更好地对图像进行检索操作，解决在检索过程中因背景干扰而导致检索精度较差的问题，本专利技术通过标记图像的轮廓和类别，对图像基于yolact++实例分割模型和yolov5s目标检测模型进行训练，再根据建立的索引，对待检索图像提取信息进行匹配，从而生成检索结果，从而达到更高的匹配精度。
[0007]本申请提出了如下方案：
[0008]一种图像检索方法，包括：
[0009]根据用户的样本图像，标记图像的轮廓和类别；
[0010]基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型；
[0011]根据样本图像训练模型，建立样本图像特征索引数据库；
[0012]提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果。
[0013]如上所述的图像检索方法，所述根据用户的样本图像，标记图像的轮廓和类别的步骤，包括：
[0014]获取用户的样本图像；
[0015]根据样本图像，确定样本图像中的物品类别；
[0016]根据物品类别，标记样本图像中的物品轮廓。
[0017]如上所述的图像检索方法，所述基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型的步骤，包括：
[0018]基于yolact++实例分割模型和已标记的图像，生成实例分割模型M1；
[0019]基于yolov5s目标检测模型和已标记的图像，生成目标检测模型M2。
[0020]如上所述的图像检索方法，所述根据样本图像训练模型，建立样本图像特征索引数据库的步骤，包括：
[0021]根据实例分割模型，分割待建的索引图像中的要素，获得包含要素的第一图像；
[0022]根据目标检测模型，确定第一图像中的要素的类别信息；
[0023]对所述第一图像进行预处理，得到第二图像，所述第二图像包含要素和边缘背景；
[0024]对所述第二图像进行二值化处理，得到第三图像，所述第三图像的要素突出于边缘背景；
[0025]根据第二图像获取待建的索引图像中的颜色特征；
[0026]根据第二图像获取待建的索引图像中的纹理特征；
[0027]根据第三图像获取待建的索引图像中的轮廓特征；
[0028]将所述颜色特征、纹理特征、轮廓特征和类别信息聚合存入所述样本图像索引数据库。
[0029]如上所述的图像检索方法，所述提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果的步骤，包括：
[0030]提取待检索图像的特征信息，所述特征信息包括所述颜色特征、纹理特征、轮廓特征和类别信息；
[0031]将待检索图像的类别信息与样本图像索引数据库的对应类别信息进行匹配，确定第一索引子库；
[0032]根据待检索图像的轮廓特征、纹理特征和颜色特征对第一索引子库进行进一步筛选，确定第二索引子库。
[0033]一种图像检索装置，包括：
[0034]标记模块，用于根据用户的样本图像，标记图像的轮廓和类别；
[0035]第一生成模块，用于基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型；
[0036]建立模块，用于根据样本图像训练模型，建立样本图像特征索引数据库；
[0037]第二生成模块，用于提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果。
[0038]如上所述的图像检索装置，所述标记模块包括：
[0039]第一获取单元，用于获取用户的样本图像；
[0040]第一确定单元，用于根据样本图像，确定样本图像中的物品类别；
[0041]标记单元，用于根据物品类别，标记样本图像中的物品轮廓；
[0042]所述第一生成模块包括：
[0043]第一生成单元，用于基于yolact++实例分割模型和已标记的图像，生成实例分割模型M1；
[0044]第二生成单元，用于基于yolov5s目标检测模型和已标记的图像，生成目标检测模型M2；
[0045]所述建立模块包括：
[0046]分割单元，用于根据实例分割模型，分割待建的索引图像中的要素，获得包含要素的第一图像；
[0047]第二确定单元，用于根据目标检测模型，确定第一图像中的要素的类别信息；
[0048]预处理单元，用于对所述第一图像进行预处理，得到第二图像，所述第二图像包含要素和边缘背景；
[0049]二值化单元，用于对所述第二图像进行二值化处理，得到第三图像，所述第三图像的要素突出于边缘背景；
[0050]第二获取单元，用于根据第二图像获取待建的索引图像中的颜色特征；
[0051]第三获取单元，用于根据第二图像获取待建的索引图像中的纹理特征；
[0052]第四获取单元，用于根据第三图像获取待建的索引图像中的轮廓特征；
[0053]聚合单元，用于将所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像检索方法，其特征在于，包括：根据用户的样本图像，标记图像的轮廓和类别；基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型；根据样本图像训练模型，建立样本图像特征索引数据库；提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果。2.根据权利要求1所述的图像检索方法，其特征在于，所述根据用户的样本图像，标记图像的轮廓和类别的步骤，包括：获取用户的样本图像；根据样本图像，确定样本图像中的物品类别；根据物品类别，标记样本图像中的物品轮廓。3.根据权利要求1所述的图像检索方法，其特征在于，所述基于yolact++实例分割模型和yolov5s目标检测模型，对已标记的图像进行训练，生成样本图像训练模型的步骤，包括：基于yolact++实例分割模型和已标记的图像，生成实例分割模型M1；基于yolov5s目标检测模型和已标记的图像，生成目标检测模型M2。4.根据权利要求3所述的图像检索方法，其特征在于，所述根据样本图像训练模型，建立样本图像特征索引数据库的步骤，包括：根据实例分割模型，分割待建的索引图像中的要素，获得包含要素的第一图像；根据目标检测模型，确定第一图像中的要素的类别信息；对所述第一图像进行预处理，得到第二图像，所述第二图像包含要素和边缘背景；对所述第二图像进行二值化处理，得到第三图像，所述第三图像的要素突出于边缘背景；根据第二图像获取待建的索引图像中的颜色特征；根据第二图像获取待建的索引图像中的纹理特征；根据第三图像获取待建的索引图像中的轮廓特征；将所述颜色特征、纹理特征、轮廓特征和类别信息聚合存入所述样本图像索引数据库。5.根据权利要求1所述的图像检索方法，其特征在于，所述提取待检索图像的特征信息，并在所述样本图像特征索引数据库中进行匹配，生成检索结果的步骤，包括：提取待检索图像的特征信息，所述特征信息包括所述颜色特征、纹理特征、轮廓特征和类别信息；将待检索图像的类别信息与样本图像索引数据库的对应类别信息进行匹配，确定第一索引子库；根据待检索图像的轮廓特征、纹理特征和颜色特征对第一索引子库进行进一步筛选，确定第二索引子库。6.一种图像检索装置，其特征在于，包括：标记模块，用于根据用户的样本图像，标记图像的轮廓和类别；第一生成模块，用于基于yolact++实例分割模型和yolov5s目标检测模型，...
【专利技术属性】
技术研发人员：黄宏峰，
申请(专利权)人：中山市讯华软件有限公司，
类型：发明
国别省市：
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。