The invention discloses an image retrieval method, which comprises the following steps: acquiring the target image to be retrieved, inputting the target image into the target depth learning model; extracting the features of the target image by using the target depth learning model to obtain the image features of the target image; image features include global features, local features and multi-scale global features, and multi-scale global features. The feature is obtained by weighting the multi-intermediate-stage features generated in the process of global feature extraction; calculating the similarity distances between the target image and each image in the image database according to the distance calculation rules by using image features; determining and outputting the similar images of the target image by using the similarity distances. This method can improve the accuracy of image retrieval. The invention also discloses an image retrieval device, a device and a readable storage medium with corresponding technical effects.
【技术实现步骤摘要】
一种图像检索方法、装置、设备及可读存储介质
本专利技术涉及图像处理
,特别是涉及一种图像检索方法、装置、设备及可读存储介质。
技术介绍
图像检索被广泛应用于行人重识别、车辆识别和网站的图像搜索和电子商务的商品检索。目前,对于图像检索,有两大问题,一是如何提取更具区分性的特征描述子来描述图像,二是如何有效的度量特征与特征间的相似性。例如,车辆图像检索属于车辆再识别问题,该问题建立在目标检测之上,检测器把目标物体在图像中的位置和大小用包围框界定并提取出来,以此作为再识别技术的数据源,通过输入待识别的图像,系统在图像库中检索出与该图像同一身份的图像。由于不同的车辆具有大致相同的外观,这便减少了车辆与车辆之间的区别性,此外摄像头捕获到的图像还会受到光线、视角、杂乱的背景、低分辨率以及视线遮挡等影响,使得同一辆车具有多种状态,因此难以准确地提取出车辆图像的特征描述子。基于不准确的特征描述子进行车辆图像检索,其检索准确率难以满足检索需求。综上所述,如何有效地解决图像检索的准确率等问题,是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种图像检索方法、装置、设备及可读存储介质,以提高图像检索的准确率。为解决上述技术问题,本专利技术提供如下技术方案:一种图像检索方法,包括:获取待检索的目标图像,将所述目标图像输入目标深度学习模型;利用所述目标深度学习模型对所述目标图像进行特征提取,获得所述目标图像的图像特征;所述图像特征包括全局特征、局部特征和多尺度全局特征,所述多尺度全局特征为将全局特征提取过程中产生的多个中间阶段特征进行加权计算后获得的 ...
【技术保护点】
1.一种图像检索方法,其特征在于,包括:获取待检索的目标图像,将所述目标图像输入目标深度学习模型;利用所述目标深度学习模型对所述目标图像进行特征提取,获得所述目标图像的图像特征;所述图像特征包括全局特征、局部特征和多尺度全局特征,所述多尺度全局特征为将全局特征提取过程中产生的多个中间阶段特征进行加权计算后获得的特征;利用所述图像特征,按照距离计算规则,分别计算所述目标图像与图像库中各个图像的相似距离;利用所述相似距离,确定并输出所述目标图像的相似图像。
【技术特征摘要】
1.一种图像检索方法,其特征在于,包括:获取待检索的目标图像,将所述目标图像输入目标深度学习模型;利用所述目标深度学习模型对所述目标图像进行特征提取,获得所述目标图像的图像特征;所述图像特征包括全局特征、局部特征和多尺度全局特征,所述多尺度全局特征为将全局特征提取过程中产生的多个中间阶段特征进行加权计算后获得的特征;利用所述图像特征,按照距离计算规则,分别计算所述目标图像与图像库中各个图像的相似距离;利用所述相似距离,确定并输出所述目标图像的相似图像。2.根据权利要求1所述的图像检索方法,其特征在于,所述局部特征提取过程,包括:对所述目标图像进行全局特征提取时,对目标池化层输出的特征图进行分支,获得原始局部特征图;对所述原始局部特征图进行池化和全连接处理,获得所述局部特征。3.根据权利要求2所述的图像检索方法,其特征在于,所述对目标池化层输出的特征图进行分支,获得原始局部特征图,包括:对所述特征图分别进行横向分割和纵向分割,获得原始局部特征图;所述原始局部特征图包括原始上部特征图、原始下部特征图、原始左部特征图和原始右部特征图。4.根据权利要求1至3任一项所述的图像检索方法,其特征在于,在所述距离计算规则为余弦距离计算规则时,利用所述图像特征,按照距离计算规则,分别计算所述目标图像与图像库中各个图像的相似距离,包括:利用所述图像特征,分别计算所述目标图像与图像库中各个图像的余弦距离;将所述余弦距离作为所述相似距离。5.根据权利要求4所述的图像检索方法,其特征在于,利用所述相似距离,确定并输出所述目标图像的相似图像,包括:对所述相似距离进行降序排列,选...
【专利技术属性】
技术研发人员:沈文超,邹文艺,晋兆龙,
申请(专利权)人:苏州科达科技股份有限公司,
类型:发明
国别省市:江苏,32
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。