图像检测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像检测方法、装置、电子设备及计算机可读存储介质；方法包括：对获取的第一图像和第二图像分别进行特征提取，得到第一图像对应的特征和第二图像对应的特征；利用确定的组合复用层对第一图像对应的特征和第二图像对应的特征分别进行组合复用处理，得到第一图像对应的第一特征向量以及第二图像对应的第二特征向量；确定第一特征向量与第二特征向量之间的相似度；根据相似度确定第一图像和第二图像的比对结果。采用本发明专利技术不仅检测效率高，还提升了语义相似图像检测的准确率。确率。确率。

【技术实现步骤摘要】
图像检测方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及深度学习
，具体涉及一种图像检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着卷积神经网络技术的飞速发展，深度学习技术已经在计算机视觉领域内取得了突破性进展，尤其以图像特征提取为代表的检测分类任务，充分表明了基于深度学习方法在特征提取上的优越性，通过网络模型结构设计可对图片高维特征进行充分提取，更加符合人眼感知，更加有利于语义相似图像检测。语义相似图像是指图像内容相同或相似的图像，比如同一场景下拍摄不同角度获得的图像。语义相似图像检测旨在提取语义相似图像的特征信息，分析并量化特征之间的相似度。
[0003]然而，目前相似检测算法计算复杂度高，推理速度慢，针对语义相似图像检测能力较弱，并且检测准确率也比较低。因此，亟需一种能够提升语义相似图像检测能力并提高检测准确率的图像检测方法。

技术实现思路

[0004]本申请实施例提供一种图像检测方法、装置、电子设备及计算机可读存储介质，以提升语义相似图像检测效率以及检测准确率。
[0005]本申请实施例提供一种图像检测方法，包括：
[0006]对获取的第一图像和第二图像分别进行特征提取，得到第一图像对应的特征和第二图像对应的特征；
[0007]利用确定的组合复用层对第一图像对应的特征和第二图像对应的特征分别进行组合复用处理，得到第一图像对应的第一特征向量以及第二图像对应的第二特征向量；
[0008]确定第一特征向量与第二特征向量之间的相似度；
[0009]根据相似度确定第一图像和第二图像的比对结果。
[0010]本申请实施例还提供一种图像检测装置，包括：
[0011]特征提取单元，用于对获取的第一图像和第二图像分别进行特征提取，得到第一图像对应的特征和第二图像对应的特征；
[0012]特征向量确定单元，用于利用确定的组合复用层对第一图像对应的特征和第二图像对应的特征分别进行组合复用处理，得到第一图像对应的第一特征向量以及第二图像对应的第二特征向量；
[0013]相似度确定单元，用于确定第一特征向量与第二特征向量之间的相似度；
[0014]图像比对单元，用于根据相似度确定第一图像和第二图像的比对结果。
[0015]本申请实施例还提供一种电子设备，电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的图像检测程序，处理器执行图像检测程序时实现上述的图像检测方法中的步骤。
[0016]本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有图像检测程序，图像检测程序被处理器执行时实现上述的图像检测方法中的步骤。
[0017]本专利技术先提取分别两张图像的特征，接着通过组合复用处理分别得到特征向量，再对提取到的特征向量计算相似度，最后通过相似度能够确认两张图像的比对结果。本专利技术通过能够充分提取图像的高维和低维特征，然后根据相似度进行特征比对，计算量小，检测效率高，在降低计算开销的同时，具有更好的泛化能力，同时还提升了语义相似图像检测的准确率。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。
[0019]图1是本申请实施例提供的一种图像检测系统的场景示意图；
[0020]图2是本申请实施例提供的一种图像检测方法的流程示意图；
[0021]图3是本申请实施例提供的一种图像检测装置的结构示意图；
[0022]图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0023]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0024]本申请实施例提供一种图像检测方法、装置、电子设备及计算机可读存储介质。
[0025]其中，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer，PC)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
[0026]在一些实施例中，可以由多个服务器来实现本申请的图像检测方法。
[0027]在一些实施例中，服务器也可以以终端的形式来实现。
[0028]例如，以图像检测装置集成在电子设备中为例，该电子设备可以对获取的第一图像和第二图像分别进行特征提取，得到第一图像对应的特征和第二图像对应的特征；利用确定的组合复用层对第一图像对应的特征和第二图像对应的特征分别进行组合复用处理，得到第一图像对应的第一特征向量以及第二图像对应的第二特征向量；确定第一特征向量与第二特征向量之间的相似度；根据相似度确定第一图像和第二图像的比对结果等。
[0029]请参阅图1，图1为本申请实施例所提供的图像检测系统的场景示意图，该系统可以包括服务器10、存储终端11以及视觉传感器12，视觉传感器12用于拍摄图像，存储终端11可以存储图像样本训练集，服务器10分别与存储终端11以及视觉传感器12之间通信连接，存储终端11与视觉传感器12之间通信连接，在此不再赘述。
[0030]其中，服务器10可以包括处理器和存储器等；存储终端11可以包括云端服务器等，
视觉传感器12可以包括摄像头等。
[0031]需要说明的是，图1所示的系统场景示意图仅仅是一个示例，本申请实施例描述的服务器以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
[0032]本公开实施例首先旨在提供了一种图像检测方法，本专利技术先提取分别两张图像的特征，接着通过组合复用处理分别得到特征向量，再对提取到的特征向量计算相似度，最后通过相似度进行比对从而确认两张图像是否属于语义相似图像。本专利技术通过能够充分提取图像的高维和低维特征，然后根据相似度进行特征比对，计算量小，检测效率高，在降低计算开销的同时，具有更好的泛化能力。故本方案可以在降低计算开销的同时实现对不同样本的泛化性能，并提升语义相似图像检测任务中的检测准确率。
[0033]如图2所示，该图像检测方法的具体流程可以如下：
[0034]110、对获取的第一图像和第二图像分别进行特征提取，得到第一图像对应的特征和第二图像对应的特征。
[0035]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：对获取的第一图像和第二图像分别进行特征提取，得到所述第一图像对应的特征和所述第二图像对应的特征；利用确定的组合复用层对所述第一图像对应的特征和所述第二图像对应的特征分别进行组合复用处理，得到所述第一图像对应的第一特征向量以及所述第二图像对应的第二特征向量；确定所述第一特征向量与所述第二特征向量之间的相似度；根据所述相似度确定所述第一图像和所述第二图像的比对结果。2.如权利要求1所述的方法，其特征在于，所述对获取的第一图像和第二图像分别进行特征提取，得到所述第一图像对应的特征和所述第二图像对应的特征，包括：对获取的第一图像和第二图像分别进行卷积处理，得到所述第一图像对应的第一特征以及所述第二图像对应的第二特征；对所述第一特征和所述第二特征分别进行最大池化处理，得到所述第一特征中的主要特征以及所述第二特征中的主要特征；将所述第一特征中的主要特征作为所述第一图像对应的特征，以及将所述第二特征中的主要特征作为所述第二图像对应的特征。3.如权利要求2所述的方法，其特征在于，所述组合复用层包括若干个顺序连接的组合复用子层，所述组合复用子层包括卷积层、组归一化层和激活函数层。4.如权利要求3所述的方法，其特征在于，所述利用确定的组合复用层对所述第一图像对应的特征和所述第二图像对应的特征分别进行组合复用处理，得到所述第一图像对应的第一特征向量以及所述第二图像对应的第二特征向量，包括：将所述第一图像对应的特征作为第一高维特征，以及将所述第二图像对应的特征作为第二高维特征；利用确定的组合复用层对所述第一高维特征和所述第二高维特征分别进行组合复用处理，得到所述第一高维特征对应的第一组合复用特征以及所述第二高维特征对应的第二组合复用特征；对所述第一组合复用特征和所述第二组合复用特征分别进行卷积处理，得到所述第一图像对应的第一低维特征以及所述第二图像对应的第二低维特征；对所述第一低维特征以及所述第二低维特征分别进行全局池化处理，得到所述第一低维特征对应的第一全局特征以及所述第二低维特征对应的第二全局特征；对所述第一全局特征和所述第二全局特征分别进行全连接处理，得到所述第一图像对应的第一特征向量以及所述第二图像对应的第二特征向量。5.如权利要求4所述的方法，其特征在于，所述利用确定的组合复用层对所述第一高维特征和所述第二高维特征分别进行组合复用处理，得到所述第一高维特征对应的第一组合复用特征以及所述第二高维特征对应的第二组合复用特征，包括：将所述第一高维特征或所述第二高维特征输入确定的组合复用层，并确定所述组合复用层中第i个组合复用子层的输入特征，i＝1、2、
…
、n，n为所述若干个顺序连接的组合复用子层的数量；基于所述第i个组合复用子层的至少一个卷积层，对所述输入特征进行卷积处理，得到
卷积特征；基于所述第i个组合复用子层的组归一化层，对所述卷积特征进行组归一化处理，得到归一化特征；基于所述第i个组合复用子层的激活函数层，对所述归一化特征进行非线...

【专利技术属性】
技术研发人员：黄海鹏，刘阳兴，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：