检测图片的方法、装置和计算机可读存储介质制造方法及图纸

本公开提出一种检测图片的方法、装置和计算机可读存储介质，涉及图像处理领域。本公开基于不同的粒度提取图片特征和划分图片子集，按照粒度由粗到细的顺序，利用待检测图片的相应粒度的特征，从各个相应粒度图片子集中确定待检测图片所属的相应粒度图片子集，并在待检测图片所属的最细粒度图片子集中查找相似或相同的图片，需要比较的图片数量大大减少，从而提高图片检测效率。

Method, device and computer readable storage medium for image detection

【技术实现步骤摘要】
检测图片的方法、装置和计算机可读存储介质
本公开涉及图像处理领域，特别涉及一种检测图片的方法、装置和计算机可读存储介质。
技术介绍
在涉及图片搜索的业务场景中，经常需要查找相似或相同的图片。一些相关技术，提取待检测图片的特征，然后将待检测图片的特征与其他图片的特征进行距离的比较，如果距离小于设定的阈值，则判定为待检测图片的相同或相似的图片。
技术实现思路
专利技术人发现，在图片规模比较大的情况下，相关技术的图片检测效率比较低。鉴于此，本公开所要解决的一个技术问题是，提高图片检测效率。本公开的一些实施例提出一种检测图片的方法，包括：利用粒度不同的多个特征提取模型分别提取待检测图片的相应粒度的特征；针对相邻粒度的每两个特征提取模型执行以下操作：利用待检测图片的粗粒度的特征，从各个粗粒度图片子集中确定待检测图片所属的粗粒度图片子集，其中，待检测图片的粗粒度的特征是利用相邻粒度中较粗粒度的特征提取模型提取得到的；利用待检测图片的细粒度的特征，从待检测图片所属的粗粒度图片子集下属的各个细粒度图片子集中确定待检测图片所属的细粒度图片子集，其中，待检测图片的细粒度的特征是利用相邻粒度中较细粒度的特征提取模型提取得到的；在针对所有特征提取模型均执行完上述操作后，将待检测图片与待检测图片所属的最细粒度图片子集中的各个图片进行比较，以查找相似或相同的图片。可选地，各个粗粒度图片子集的形成方法包括：利用相邻粒度中较粗粒度的特征提取模型提取图片集合中的各个图片的粗粒度的特征；利用图片集合中的各个图片的粗粒度的特征对图片集合中的各个图片进行聚类，从而形成各个粗粒度图片子集；其中，所述图片集合是各个粗粒度图片子集形成前所属的图片集合。可选地，各个细粒度图片子集的形成方法包括：利用相邻粒度中较细粒度的特征提取模型提取任意一个粗粒度图片子集中的各个图片的细粒度的特征；利用该粗粒度图片子集中的各个图片的细粒度的特征对该粗粒度图片子集中的各个图片进行聚类，从而形成该粗粒度图片子集下属的各个细粒度图片子集。可选地，确定待检测图片所属的粗粒度图片子集包括：根据待检测图片的粗粒度的特征与每个粗粒度图片子集中的中心点的粗粒度的特征，计算待检测图片与各个粗粒度图片子集之间的距离，将具有最小距离的粗粒度图片子集确定为待检测图片所属的粗粒度图片子集。可选地，确定待检测图片所属的细粒度图片子集包括：根据待检测图片的细粒度的特征与每个细粒度图片子集中的中心点的细粒度的特征，计算待检测图片与各个细粒度图片子集之间的距离，将具有最小距离的细粒度图片子集确定为待检测图片所属的细粒度图片子集。可选地，特征提取模型是二值化特征模型，以便基于二值化特征计算的汉明距离来进行图片的比较。本公开的一些实施例提出一种检测图片的装置，包括：特征提取模块，用于利用粒度不同的多个特征提取模型分别提取待检测图片的相应粒度的特征；逐级确定模块，用于针对相邻粒度的每两个特征提取模型执行以下操作：利用待检测图片的粗粒度的特征，从各个粗粒度图片子集中确定待检测图片所属的粗粒度图片子集，其中，待检测图片的粗粒度的特征是利用相邻粒度中较粗粒度的特征提取模型提取得到的；利用待检测图片的细粒度的特征，从待检测图片所属的粗粒度图片子集下属的各个细粒度图片子集中确定待检测图片所属的细粒度图片子集，其中，待检测图片的细粒度的特征是利用相邻粒度中较细粒度的特征提取模型提取得到的；图片比较模块，用于在针对所有特征提取模型均执行完上述操作后，将待检测图片与待检测图片所属的最细粒度图片子集中的各个图片进行比较，以查找相似或相同的图片。可选地，各个粗粒度图片子集的形成方法包括：利用相邻粒度中较粗粒度的特征提取模型提取图片集合中的各个图片的粗粒度的特征；利用图片集合中的各个图片的粗粒度的特征对图片集合中的各个图片进行聚类，从而形成各个粗粒度图片子集；其中，所述图片集合是各个粗粒度图片子集形成前所属的图片集合；可选地，各个细粒度图片子集的形成方法包括：利用相邻粒度中较细粒度的特征提取模型提取任意一个粗粒度图片子集中的各个图片的细粒度的特征；利用该粗粒度图片子集中的各个图片的细粒度的特征对该粗粒度图片子集中的各个图片进行聚类，从而形成该粗粒度图片子集下属的各个细粒度图片子集。可选地，所述逐级确定模块包括：用于确定待检测图片所属的粗粒度图片子集的第一确定单元，以及用于确定待检测图片所属的细粒度图片子集的第二确定单元；其中，所述第一确定单元，用于：根据待检测图片的粗粒度的特征与每个粗粒度图片子集中的中心点的粗粒度的特征，计算待检测图片与各个粗粒度图片子集之间的距离，将具有最小距离的粗粒度图片子集确定为待检测图片所属的粗粒度图片子集；所述第二确定单元，用于：根据待检测图片的细粒度的特征与每个细粒度图片子集中的中心点的细粒度的特征，计算待检测图片与各个细粒度图片子集之间的距离，将具有最小距离的细粒度图片子集确定为待检测图片所属的细粒度图片子集。可选地，特征提取模型是二值化特征模型，以便基于二值化特征计算的汉明距离来进行图片的比较。本公开的一些实施例提出一种检测图片的装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行任一项前述的检测图片的方法。本公开的一些实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项前述的检测图片的方法的步骤。本公开基于不同的粒度提取图片特征和划分图片子集，按照粒度由粗到细的顺序，利用待检测图片的相应粒度的特征，从各个相应粒度图片子集中确定待检测图片所属的相应粒度图片子集，并在待检测图片所属的最细粒度图片子集中查找相似或相同的图片，需要比较的图片数量大大减少，从而提高图片检测效率。附图说明下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本公开的基于多个特征提取模型实现的检测图片的方法一些实施例的流程示意图。图2是本公开的基于两个特征提取模型实现的检测图片的方法一些实施例的流程示意图。图3是本公开的检测图片的装置一些实施例的结构示意图。图4是本公开的检测图片的装置另一些实施例的结构示意图。具体实施方式下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。本公开基于不同的粒度提取图片特征和划分图片子集，按照粒度由粗到细的顺序，利用待检测图片的相应粒度的特征，从各个相应粒度图片子集中确定待检测图片所属的相应粒度图片子集，并在待检测图片所属的最细粒度图片子集中查找相似或相同的图片，从而提高图片检测效率。本公开涉及粒度不同的多个(即至少两个)特征提取模型，不同粒度的特征提取模型所提取的特征的粒度不同，较粗粒度的特征提取模型所提取的特征的粒度较粗，较细粒度的特征提取模型所提取的特征的粒度较细。特征提取模型例如可以是神经网络模型，所提取的特征例如可以是深度特征。可选地，特征提取模型例如可以是二值化特征模型，二值化特征例如可以是0和1编码结构的特征。对被比较图片的二值化特征使用异或操作就可以本文档来自技高网...

【技术保护点】
1.一种检测图片的方法，包括：利用粒度不同的多个特征提取模型分别提取待检测图片的相应粒度的特征；针对相邻粒度的每两个特征提取模型执行以下操作：利用待检测图片的粗粒度的特征，从各个粗粒度图片子集中确定待检测图片所属的粗粒度图片子集，其中，待检测图片的粗粒度的特征是利用相邻粒度中较粗粒度的特征提取模型提取得到的；利用待检测图片的细粒度的特征，从待检测图片所属的粗粒度图片子集下属的各个细粒度图片子集中确定待检测图片所属的细粒度图片子集，其中，待检测图片的细粒度的特征是利用相邻粒度中较细粒度的特征提取模型提取得到的；在针对所有特征提取模型均执行完上述操作后，将待检测图片与待检测图片所属的最细粒度图片子集中的各个图片进行比较，以查找相似或相同的图片。

【技术特征摘要】
1.一种检测图片的方法，包括：利用粒度不同的多个特征提取模型分别提取待检测图片的相应粒度的特征；针对相邻粒度的每两个特征提取模型执行以下操作：利用待检测图片的粗粒度的特征，从各个粗粒度图片子集中确定待检测图片所属的粗粒度图片子集，其中，待检测图片的粗粒度的特征是利用相邻粒度中较粗粒度的特征提取模型提取得到的；利用待检测图片的细粒度的特征，从待检测图片所属的粗粒度图片子集下属的各个细粒度图片子集中确定待检测图片所属的细粒度图片子集，其中，待检测图片的细粒度的特征是利用相邻粒度中较细粒度的特征提取模型提取得到的；在针对所有特征提取模型均执行完上述操作后，将待检测图片与待检测图片所属的最细粒度图片子集中的各个图片进行比较，以查找相似或相同的图片。2.如权利要求1所述的方法，其中，各个粗粒度图片子集的形成方法包括：利用相邻粒度中较粗粒度的特征提取模型提取图片集合中的各个图片的粗粒度的特征；利用图片集合中的各个图片的粗粒度的特征对图片集合中的各个图片进行聚类，从而形成各个粗粒度图片子集；其中，所述图片集合是各个粗粒度图片子集形成前所属的图片集合。3.如权利要求1所述的方法，其中，各个细粒度图片子集的形成方法包括：利用相邻粒度中较细粒度的特征提取模型提取任意一个粗粒度图片子集中的各个图片的细粒度的特征；利用该粗粒度图片子集中的各个图片的细粒度的特征对该粗粒度图片子集中的各个图片进行聚类，从而形成该粗粒度图片子集下属的各个细粒度图片子集。4.如权利要求1所述的方法，其中，确定待检测图片所属的粗粒度图片子集包括：根据待检测图片的粗粒度的特征与每个粗粒度图片子集中的中心点的粗粒度的特征，计算待检测图片与各个粗粒度图片子集之间的距离，将具有最小距离的粗粒度图片子集确定为待检测图片所属的粗粒度图片子集。5.如权利要求1所述的方法，其中，确定待检测图片所属的细粒度图片子集包括：根据待检测图片的细粒度的特征与每个细粒度图片子集中的中心点的细粒度的特征，计算待检测图片与各个细粒度图片子集之间的距离，将具有最小距离的细粒度图片子集确定为待检测图片所属的细粒度图片子集。6.如权利要求1所述的方法，其中，特征提取模型是二值化特征模型，以便基于二值化特征计算的汉明距离来进行图片的比较。7.一种检测图片的装置，包括：特征提取模块，用于利用粒度不同的多个特征提取模型分别提取待检测图片的相应粒度的特征；逐级确定模块，用于针对相邻粒度的每两个特征提取模型执行以下操作：利用待检测图片的...

【专利技术属性】
技术研发人员：程晓旭，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11