System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种图片检索方法、装置、设备及存储介质。
技术介绍
1、伴随着人工智能技术在各个领域的广泛应用,数据呈现形式越来越多样化。文本、图像、视频等多模态数据急剧增长,单一模态数据的信息是有限的,交互的多模态数据能传递更为丰富的信息,同一事物会有多种不同模态数据的描述。例如多模态检索旨在实现两个不同模态之间的信息交互,其根本目的在于挖掘不同模态样本之间的关系,即通过一种模态样本来检索具有近似语义的另一种模态样本。
2、而在汽车领域,为了升级智能驾驶感知算法模型的识别能力,需要挖掘模型没有见过的数据,目前技术是依靠云端大模型对数据进行挖掘,通常挖掘方式有标签挖掘和以图搜图。但是云端大模型可能在训练的数据中没有足够的样本,会存在对某些图片检索效果不佳的情况,难以通过多模态检索找到想要的图片,导致准确率过低。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供了一种图片检索方法、装置、设备及存储介质,旨在解决现有的多模态检索难以找到想要的图片,准确率过低的技术问题。
2、为实现上述目的,本专利技术提供了一种图片检索方法,所述方法包括以下步骤:
3、对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本;
4、基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征;
5、根据所述少样本新特征对入
6、可选地,所述基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征,包括:
7、对所述难分正负样本进行特征提取,获得所述难分正负样本对应的多个样本特征;
8、获得所述多个样本特征之间的特征距离;
9、基于所述特征距离对所述多个样本特征进行相似处理,获得所述难识别图片对应的少样本新特征。
10、可选地,所述基于所述特征距离对所述多个样本特征进行相似处理,获得所述难识别图片对应的少样本新特征,包括:
11、基于所述特征距离对所述多个样本特征进行相似度检测,获得所述多个样本特征对应的多个样本相似度;
12、判断所述样本相似度是否达到预设相似值;
13、将达到所述预设相似值所对应的样本特征作为少样本新特征。
14、可选地,所述将达到所述预设相似值所对应的样本特征作为少样本新特征,包括:
15、通过难分负样本将未达到所述预设相似值所对应的多个样本特征拉远,通过难分正样本将达到所述预设相似值所对应的多个样本特征拉近,获得相似类特征簇,其中,所述难分正负样本包括难分正样本和难分负样本;
16、对所述相似类特征簇进行标记,获得所述难识别图片对应的少样本新特征。
17、可选地,所述对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本,包括:
18、对难识别图片进行区域框选,获得所述难识别图片对应的难识别区域;
19、根据所述难识别区域进行预先检索,获得检索样本;
20、按置信值对所述检索样本进行筛选,获得所述难识别区域对应的难分正负样本。
21、可选地,所述按置信值对所述检索样本进行筛选,获得所述难识别区域对应的难分正负样本,包括:
22、获得基于所述检索样本反馈的审核结果;
23、根据置信值和所述检索样本反馈的审核结果将所述检索样本分为难分负样本以及难分正样本;
24、根据所述难分负样本和所述难分正样本获得所述难识别区域对应的难分正负样本。
25、可选地,将所述少样本新特征接入预设多模态检索大模型;所述基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征之后,还包括:
26、通过所述预设多模态检索大模型对入库图片进行特征提取,获得所述入库图片对应的当前特征;
27、判断所述当前特征与所述少样本新特征是否相似;
28、在所述当前特征存在所述少样本新特征的相似特征时,判定所述当前特征作为少样本新特征。
29、此外,为实现上述目的,本专利技术还提出一种图片检索装置,所述装置包括:
30、置信筛选模块,用于对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本;
31、特征提取模块,用于基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征;
32、图片检索模块,用于根据所述少样本新特征对入库图片进行检索,获得所述入库图片对应的检索图片集。
33、此外,为实现上述目的,本专利技术还提出一种图片检索设备,所述设备包括: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图片检索程序,所述图片检索程序配置为实现如上文所述的图片检索方法的步骤。
34、此外,为实现上述目的,本专利技术还提出一种存储介质,所述存储介质上存储有图片检索程序,所述图片检索程序被处理器执行时实现如上文所述的图片检索方法的步骤。
35、本专利技术通过对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本;然后基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征;最后根据所述少样本新特征对入库图片进行检索,获得所述入库图片对应的检索图片集。由于本专利技术通过对难分正负样本进行特征提取获得少样本新特征,然后将少样本新特征作为检索输入,避免了云端大模型在训练的数据中没有足够的样本时对某些图片检索效果不佳的情况,通过使用特征检索的方式可更精准识别新的类别,提高了图片检索的准确率。
本文档来自技高网...【技术保护点】
1.一种图片检索方法,其特征在于,所述图片检索方法包括:
2.如权利要求1所述的图片检索方法,其特征在于,所述基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征,包括:
3.如权利要求2所述的图片检索方法,其特征在于,所述基于所述特征距离对所述多个样本特征进行相似处理,获得所述难识别图片对应的少样本新特征,包括:
4.如权利要求3所述的图片检索方法,其特征在于,所述将达到所述预设相似值所对应的样本特征作为少样本新特征,包括:
5.如权利要求1所述的图片检索方法,其特征在于,所述对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本,包括:
6.如权利要求5所述的图片检索方法,其特征在于,所述按置信值对所述检索样本进行筛选,获得所述难识别区域对应的难分正负样本,包括:
7.如权利要求1所述的图片检索方法,其特征在于,将所述少样本新特征接入预设多模态检索大模型;所述基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征之后,还包括:
8.一种图片检索装置,其特
9.一种图片检索设备,其特征在于,所述设备包括: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图片检索程序,所述图片检索程序配置为实现如权利要求1至7中任一项所述的图片检索方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有图片检索程序,所述图片检索程序被处理器执行时实现如权利要求1至7任一项所述的图片检索方法的步骤。
...【技术特征摘要】
1.一种图片检索方法,其特征在于,所述图片检索方法包括:
2.如权利要求1所述的图片检索方法,其特征在于,所述基于所述难分正负样本进行特征提取,获得所述难分正负样本的少样本新特征,包括:
3.如权利要求2所述的图片检索方法,其特征在于,所述基于所述特征距离对所述多个样本特征进行相似处理,获得所述难识别图片对应的少样本新特征,包括:
4.如权利要求3所述的图片检索方法,其特征在于,所述将达到所述预设相似值所对应的样本特征作为少样本新特征,包括:
5.如权利要求1所述的图片检索方法,其特征在于,所述对难识别图片进行置信值筛选,获得所述难识别图片对应的难分正负样本,包括:
6.如权利要求5所述的图片检索方法,其特征在于,所述按置信值...
【专利技术属性】
技术研发人员:孙责荃,刘明,万雷鸣,梁振宝,陈勇,
申请(专利权)人:浙江吉利控股集团有限公司,
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。