图像的比对方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种图像的比对方法、装置、存储介质及电子装置。其中，该方法包括：从目标区域上获取输入图像；获取目标参照图像的第一特征以及输入图像的第二特征，其中，第一特征是通过目标神经网络模型从目标参照图像中提取的特征，第二特征是通过目标神经网络模型从输入图像中提取的特征，目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，参照图像包括目标参照图像；对第一特征与第二特征进行比对，得到比对结果，其中，比对结果用于指示目标参照图像与输入图像之间的相似度。本发明专利技术解决了相关技术中对图像进行比对的准确率较低的技术问题。

Image Comparing Method, Device, Storage Medium and Electronic Device

【技术实现步骤摘要】
图像的比对方法、装置、存储介质及电子装置
本专利技术涉及计算机领域，具体而言，涉及一种图像的比对方法、装置、存储介质及电子装置。
技术介绍
人们在对某些对象(比如书法、画作、雕刻)进行临摹的过程中，往往会想要知道自己临摹的像不像，目前的判定临摹的作品和参照的作品是否相像的方法是将临摹作品的图像和参照作品的图像输入到计算机设备中，计算机设备将这两张图像重叠在一起，由用户来分辨它们有哪些部分是重合的，又有哪些部分是无法重合的，从而确定它们是否相似，但是这种比对方式严重地影响了比对的效率和比对的准确性。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图像的比对方法、装置、存储介质及电子装置，以至少解决相关技术中对图像进行比对的准确率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种图像的比对方法，包括：从目标区域上获取输入图像，其中，所述输入图像用于指示对照显示界面上显示的目标参照图像在所述目标区域上输入的信息；获取所述目标参照图像的第一特征以及所述输入图像的第二特征，其中，所述第一特征是通过目标神经网络模型从所述目标参照图像中提取的特征，所述第二特征是通过所述目标神经网络模型从所述输入图像中提取的特征，所述目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，所述参照图像包括所述目标参照图像；对所述第一特征与所述第二特征进行比对，得到比对结果，其中，所述比对结果用于指示所述目标参照图像与所述输入图像之间的相似度。根据本专利技术实施例的另一方面，还提供了一种图像的比对装置，包括：第一获取模块，用于从目标区域上获取输入图像，其中，所述输入图像用于指示对照显示界面上显示的目标参照图像在所述目标区域上输入的信息；第二获取模块，用于获取所述目标参照图像的第一特征以及所述输入图像的第二特征，其中，所述第一特征是通过目标神经网络模型从所述目标参照图像中提取的特征，所述第二特征是通过所述目标神经网络模型从所述输入图像中提取的特征，所述目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，所述参照图像包括所述目标参照图像；比对模块，用于对所述第一特征与所述第二特征进行比对，得到比对结果，其中，所述比对结果用于指示所述目标参照图像与所述输入图像之间的相似度。可选地，所述第二获取模块包括以下之一：第一处理单元，用于从具有对应关系的参照图像和图像特征中查找与所述目标参照图像对应的所述第一特征，并将所述输入图像输入至所述目标神经网络模型，得到所述目标神经网络模型输出的所述第二特征，其中，所述图像特征是预先将所述参照图像输入至所述目标神经网络模型中得到的所述目标神经网络模型输出的特征；第二处理单元，用于将所述目标参照图像和所述输入图像分别输入至所述目标神经网络模型，得到所述目标神经网络模型输出的所述目标参照图像对象的所述第一特征以及所述输入图像对应的所述第二特征。可选地，所述比对模块包括：第一确定单元，用于确定所述第一特征与所述第二特征之间的第一距离值，其中，所述第一距离值用于指示所述目标参照图像与所述输入图像之间的相似度，所述第一距离值越小所述目标参照图像与所述输入图像之间的相似度越高；第二确定单元，用于将所述第一距离值确定为所述比对结果；或者，将所述第一距离值转换至目标阈值区间，得到所述比对结果。可选地，所述装置还包括：训练模块，用于使用具有对应关系的所述参照图像和所述样本图像对所述初始神经网络模型的参数进行训练，得到所述目标神经网络模型，其中，所述初始神经网络模型包括串联的多个层级，所述多个层级中的每一个层级依次包括卷积层和池化层。可选地，所述训练模块包括：输入单元，用于将所述参照图像输入所述多个层级中的第一个层级所包括的目标卷基层，得到所述多个层级中的最后一个层级所包括的目标池化层输出的所述参照图像所对应的第三特征，并将所述样本图像输入所述目标卷基层，得到所述目标池化层输出的所述样本图像所对应的第四特征；第三确定单元，用于确定所述第三特征与所述第四特征之间的第二距离值，其中，所述第二距离值用于指示所述参照图像与所述样本图像之间的相似度；调整单元，用于根据所述第二距离值与目标距离值之间的第一差值对所述多个层级中所包括的卷积层的参数进行调整，使得所述第一差值最小化，其中，所述目标距离值用于指示预先标注的所述参照图像与所述样本图像之间的目标相似度；第四确定单元，用于将所述第一差值达到最小化的模型确定为所述目标神经网络模型。可选地，所述第三特征包括第一特征图集合，所述第四特征包括第二特征图集合，所述第一特征图集合中所包括的第一特征图与所述第二特征图集合中所包括的第二特征图一一对应，其中，第三确定单元用于：确定具有一一对应关系的所述第一特征图与所述第二特征图中每一组特征图上对应位置上的像素点所具有的特征值之间的第二差值；将所述第二差值的平方和的算术平方根的值确定为所述第二距离值。可选地，所述多个层级中的每一个层级中的卷积层包括多个卷积核，所述多个层级的数量和/或所述多个卷积核的数量根据所述参照图像所包括的字符的字体确定。可选地，所述第一获取模块包括：显示单元，用于在所述显示界面上显示所述目标参照图像；拍摄单元，用于对在所述目标区域中输入的信息进行拍摄，得到所述输入图像；建立单元，用于建立所述目标参照图像与所述输入图像之间的对应关系。根据本专利技术实施例的另一方面，还提供了一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。根据本专利技术实施例的另一方面，还提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述任一项中所述的方法。在本专利技术实施例中，采用从目标区域上获取输入图像，其中，输入图像用于指示对照显示界面上显示的目标参照图像在目标区域上输入的信息；获取目标参照图像的第一特征以及输入图像的第二特征，其中，第一特征是通过目标神经网络模型从目标参照图像中提取的特征，第二特征是通过目标神经网络模型从输入图像中提取的特征，目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，参照图像包括目标参照图像；对第一特征与第二特征进行比对，得到比对结果，其中，比对结果用于指示目标参照图像与输入图像之间的相似度的方式，输入图像是对照显示界面上显示的目标参照图像在目标区域上输入的信息形成的图像，从目标区域上获取输入图像，并获取通过目标神经网络模型分别从目标参照图像和输入图像中提取到的第一特征和第二特征，通过对第一特征和第二特征的比对确定目标参照图像与输入图像之间的相似度，从而使得用于对图像进行比对的特征是通过训练好的目标神经网络模型得到的，提高了特征获取的准确性和全面性，进而使得基于特征获取到的比对结果更加准确，使得对目标参照图像进行临摹的用户清楚准确地了解到自己临摹的输入图像与目标参照图像的相似程度，从而实现了提高对图像进行比对的准确率的技术效果，进而解决了相关技术中对图像进行比对的准确率较低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构本文档来自技高网...

【技术保护点】
1.一种图像的比对方法，其特征在于，包括：从目标区域上获取输入图像，其中，所述输入图像用于指示对照显示界面上显示的目标参照图像在所述目标区域上输入的信息；获取所述目标参照图像的第一特征以及所述输入图像的第二特征，其中，所述第一特征是通过目标神经网络模型从所述目标参照图像中提取的特征，所述第二特征是通过所述目标神经网络模型从所述输入图像中提取的特征，所述目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，所述参照图像包括所述目标参照图像；对所述第一特征与所述第二特征进行比对，得到比对结果，其中，所述比对结果用于指示所述目标参照图像与所述输入图像之间的相似度。

【技术特征摘要】
1.一种图像的比对方法，其特征在于，包括：从目标区域上获取输入图像，其中，所述输入图像用于指示对照显示界面上显示的目标参照图像在所述目标区域上输入的信息；获取所述目标参照图像的第一特征以及所述输入图像的第二特征，其中，所述第一特征是通过目标神经网络模型从所述目标参照图像中提取的特征，所述第二特征是通过所述目标神经网络模型从所述输入图像中提取的特征，所述目标神经网络模型是使用具有对应关系的参照图像和样本图像分别对初始神经网络模型进行训练得到的模型，所述参照图像包括所述目标参照图像；对所述第一特征与所述第二特征进行比对，得到比对结果，其中，所述比对结果用于指示所述目标参照图像与所述输入图像之间的相似度。2.根据权利要求1所述的方法，其特征在于，获取所述目标参照图像的第一特征以及所述输入图像的第二特征包括：获取所述目标参照图像的第一字符特征，其中，所述第一字符特征用于指示所述目标参照图像所包括的目标字符的笔画特征，所述第一特征包括所述第一字符特征；获取所述输入图像的第二字符特征，其中，所述第二字符特征用于指示所述输入图像所包括的输入字符的笔画特征，所述第二特征包括所述第二字符特征，对照所述目标参照图像在所述目标区域上输入的信息包括所述输入字符。3.根据权利要求2所述的方法，其特征在于，获取所述目标参照图像的所述第一字符特征包括：获取所述目标字符的第一笔画特征和第二笔画特征，其中，所述第一笔画特征为所述目标字符所包括的关键笔画所具有的特征，所述第二笔画特征为所述目标字符所具有的除所述第一笔画特征之外的特征；将所述第一笔画特征与所述第二笔画特征的加权和确定为所述第一字符特征，其中，所述第一笔画特征所对应的第一权重值高于所述第二笔画特征所对应的第二权重值；获取所述输入图像的所述第二字符特征包括：获取所述输入字符的第三笔画特征和第四笔画特征，其中，所述第三笔画特征为所述输入字符所包括的所述关键笔画所具有的特征，所述第四笔画特征为所述输入字符所具有的除所述第三笔画特征之外的特征；将所述第三笔画特征与所述第四笔画特征的加权和确定为所述第二字符特征，其中，所述第三笔画特征对应所述第一权重值，所述第二笔画特征对应所述第二权重值。4.根据权利要求1所述的方法，其特征在于，获取所述目标参照图像的所述第一特征以及所述输入图像的所述第二特征包括以下之一：从具有对应关系的参照图像和图像特征中查找与所述目标参照图像对应的所述第一特征，并将所述输入图像输入至所述目标神经网络模型，得到所述目标神经网络模型输出的所述第二特征，其中，所述图像特征是预先将所述参照图像输入至所述目标神经网络模型中得到的所述目标神经网络模型输出的特征；将所述目标参照图像和所述输入图像分别输入至所述目标神经网络模型，得到所述目标神经网络模型输出的所述目标参照图像对象的所述第一特征以及所述输入图像对应的所述第二特征。5.根据权利要求1所述的方法，其特征在于，对所述第一特征与所述第二特征进行比对，得到比对结果包括：确定所述第一特征与所述第二特征之间的第一距离值，其中，所述第一距离值用于指示所述目标参照图像与所述输入图像之间的相似度，所述第一距离值越小所述目标参照图像与所述输入图像之间的相似度越高；将所述第一距离值确定为所述比对结果；或者，将所述第一距离值转换至目标阈值区间，得到所述比对结果。6.根据权利要求1所述的方法，其特征在于，在获取所述目标参照图像的所述第一特征以及所述输入图像的所述第二特征之前，所述方法还包括：使用具有对应关系的所述参照图像和所述样本图像对所述初始神经网络模型的参数进行训练，得到所述目标神经网络模型，其中，所述初始神经网络模型包括串联的多个层级，所述多个层级中的每一个层级依次包括卷积层和池化层。7.根据权利要求6所述的方法，其特征在于，使用具有对应关系的所述参照图像和所述样本图像对所述初始神经网络模型的参数进行训练包括：将所述参照图像输入所述多个层级中的第一个层级所包括的目标卷基层，得到所述多个层级中的最后一个层级所包括的目标池化层输出的所述参照图像所对应的第三特征，并将所述样本图像输入所述目标卷基层...

【专利技术属性】
技术研发人员：赵安元，李洋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44