一种用于检索的图像向量获取方法技术

本发明专利技术公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。

【技术实现步骤摘要】

本专利技术涉及一种用于检索的图像向量获取方法，属于计算机视觉。

技术介绍

1、信息检索技术一直是人工智能领域研究的热点，其允许通过一系列算法从庞大的数据库中基于查询图像检索相似图像，并索引最相似的图像。

2、在早期的图像检索方法中，诸如sift（scale-invariant feature transform，尺度不变特征变换）+vlad（局部聚合描述符的向量）和sift+netvlad（网络局部聚合描述符的向量）等传统方法采用手动提取的图像特征，但存在局部信息丢失的问题，导致了高存储成本和卷积神经网络参数过多的挑战。在图像检索的早期，研究的焦点在于提取图像的全局描述符。然而，这种方法在光照变化、变形、遮挡和裁剪等情况下难以达到预期的结果，导致图像检索的准确率低下，限制了全局描述符算法的应用范围。这个时候，局部特征描述符提取方法的出现在很大程度上解决了这些问题。但局部特征提取算法无法学习输入描述符。随着深度学习在计算机视觉领域的显著进展，卷积神经网络模型cnn被用于提取图像特征。然而，虽然卷积神经网络模型提取图像特征的效率和性能都较传统特征描本文档来自技高网...

【技术保护点】

1.一种用于检索的图像向量获取方法，其特征是，包括，

2.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述卷积层包括ResNet50卷积网络模块、Mobilenet_V2卷积网络模块或/和ConvNeXt卷积网络模块。

3.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述BOF层包括多个径向基函数神经元，所述径向基函数神经元用于量化输出局部特征描述符，量化输出的方法包括获取局部特征描述符的VLAD残差；

4.根据权利要求3所述用于检索的图像向量获取方法，其特征是，所述将每个局部特征描述符分别输入BOF层，包括，预先设置所述径向基...

【技术特征摘要】

1.一种用于检索的图像向量获取方法，其特征是，包括，

2.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述卷积层包括resnet50卷积网络模块、mobilenet_v2卷积网络模块或/和convnext卷积网络模块。

3.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述bof层包括多个径向基函数神经元，所述径向基函数神经元用于量化输出局部特征描述符，量化输出的方法包括获取局部特征描述符的vlad残差；

4.根据权利要求3所述用于检索的图像向量获取方法，其特征是，所述将每个局部特征描述符分别输入bof层，包括，预先设置所述径向基函数神经元的径向基函数中心点，所述径向基函数中心点的设置方法：

5.根据权利要求4所述用于检索的图像向量获取方法，其特征是，每个局部特征描述符的bof层输出为：

<...

【专利技术属性】
技术研发人员：余文斌，陈宇浩，家雷鸣，魏宏宇，李新海，陈美旺，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：