【技术实现步骤摘要】
一种基于半监督学习的图像相似度获取方法
[0001]本专利技术涉及图像处理
,具体涉及一种基于半监督学习的图像相似度获取方法
。
技术介绍
[0002]图像相似度是用来衡量两幅图像之间的相似程度的度量指标,它基于两幅图像的空间位置
、
颜色分布
、
纹理分布等特征,计算并给出一个数值来表示它们之间的相似性程度
。
图像相似度在机器视觉应用领域存在大量的应用实例,如:
[0003]1.
图像检索:通过计算图像相似度,可以根据用户提供的查询图像找到数据库中与之相似的图像,用于图像搜索
、
目标识别和内容推荐等应用
。
[0004]2.
图像分类:用于判断图像是否属于某个类别或属于特定的对象
。
通过计算图像相似度,可以将图像与预定义的类别或模板图像进行比较,从而实现图像分类和识别的任务
。
[0005]3.
目标跟踪:用于判断两个目标局部图像是否属于相同的特定对象
。
通过计算两个局部目标图像的整体以及局部的颜色和纹理特征,进而获取两个目标局部图像的相似度,实现前后帧中相同目标的对齐跟踪
。
[0006]近
20
年来,图像相似度技术一直是机器视觉领域和人工智能领域的研究热点,涌现出很多经典算法,具体算法可以分为以下几类:
[0007](1)
基于传统技术获取图像相似度,该类算法主要基于两幅图像的整体特 ...
【技术保护点】
【技术特征摘要】
1.
一种基于半监督学习的图像相似度获取方法,其特征在于,包括以下步骤:步骤一,构建图像相似度判断模型,该模型包括分别表示两幅输入图像的
image1
层和
image2
层,把输入的两幅图像按照通道维度拼接成一个输出特征图的拼接层,用于提取两幅输入图像的深层特征的主干网络模型,一个通道空间联合注意力模块,一个核尺寸为
3x3
,跨度为
2x2
的卷积层
conv
,一个用于输出两幅图像之间的相似度得分的主训练模块;一个仅在训练阶段使用的辅助训练模块,辅助训练模块能够学习两幅图像中相同区域的图像内容;步骤二,准备包括相似度得分标签的成对图像作为训练数据;步骤三,定义图像相似度判断模型的整体损失函数
Loss
;步骤四,根据整体损失函数
Loss
训练图像相似度判断模型,得到完成训练的图像相似度判断模型;步骤五,将需要进行相似度判断的两幅图像组成图像对,输入完成训练的图像相似度判断模型,得到两幅图像的相似度得分
。2.
根据权利要求1所述一种基于半监督学习的图像相似度获取方法,其特征在于,所述主干网络模型为残差网络
。3.
根据权利要求1所述一种基于半监督学习的图像相似度获取方法,其特征在于,所述主干网络模型为
VGG
卷积神经网络
。4.
根据权利要求1所述一种基于半监督学习的图像相似度获取方法,其特征在于,所述主训练模块包括:一个核尺寸为
5x5
,跨度为
1x1
的卷积层;一个核尺寸为
1x1
,跨度为
1x1
的卷积层
。5.
根据权利要求1所述一种基于半监督学习的图像相似度获取方法,其特征在于,所述辅助训练模块的输入特征图为卷积层
conv
的输出特征图,辅助训练模块包括:
upsample0
层
、upsample1
层
、upsample2
层
、upsample3
层
、concat0
层
、concat1
层
、concat2
层
、concat3
层
、conv2_0
层
、conv2_1
层
、conv2_2
层
、conv2_3
层
、P2
层
、P3
层
、P4
层和
P5
层;
upsample0
层
、upsample1
层
、upsample2
层
、upsample3
层均是上...
【专利技术属性】
技术研发人员:尼秀明,俞能海,张卡,何佳,
申请(专利权)人:安徽清新互联信息科技有限公司,
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。