本发明专利技术公开了一种图像搜索方法、装置、计算机可读存储介质及电子设备。该方法包括：获取待搜索图像；基于目标特征提取模型，对待搜索图像进行特征提取，得到第一目标特征信息；计算第一目标特征信息与每个待匹配图像对应的第二目标特征信息之间的相似度，得到多个相似度值；基于多个相似度值，从多个待匹配图像中确定目标图像，并确定目标图像为与待搜索图像对应的搜索结果。本发明专利技术解决了相关技术中基于手绘图进行以图搜图时，存在搜索准确性差的技术问题。技术问题。技术问题。
【技术实现步骤摘要】
图像搜索方法、装置、计算机可读存储介质及电子设备
[0001]本专利技术涉及人工智能领域，具体而言，涉及一种图像搜索方法、装置、计算机可读存储介质及电子设备。
技术介绍
[0002]随着科技的不断发展，图像搜索的方式不再局限于文字描述，而是还可以通过以图搜图的方式进行搜索。以图搜图即用户给定一张查询图，系统能够自动从数据库中寻找与查询图内容相似的图片并反馈给用户。
[0003]传统以图搜图任务需要查询图和目标图有明显的相似特征存在，但由于查询图（如：手绘图等）的随意性，往往与目标图特征不能完全一致。目前，应用于以图搜图技术的模型通常为传统算法或有监督学习，从而对专有领域的图像适应性较差，进而具有搜索准确性差的问题。
[0004]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
[0005]本专利技术实施例提供了一种图像搜索方法、装置、计算机可读存储介质及电子设备，以至少解决相关技术中基于手绘图进行以图搜图时，存在搜索准确性差的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种图像搜索方法，包括：获取待搜索图像；基于目标特征提取模型，对待搜索图像进行特征提取，得到第一目标特征信息，其中，目标特征提取模型为基于无监督对比学习方式训练得到的，目标特征提取模型采用目标训练样本集进行训练，目标训练样本集是基于对多个图像中的每个图像进行多种图像增强所得到的；计算第一目标特征信息与每个待匹配图像对应的第二目标特征信息之间的相似度，得到多个相似度值，其中，第二目标特征信息为基于目标特征提取模型对待匹配图像进行特征提取得到的；基于多个相似度值，从多个待匹配图像中确定目标图像，并确定目标图像为与待搜索图像对应的搜索结果，其中，目标图像的图像内容与待搜索图像的图像内容之间的相似度大于预设相似度。
[0007]进一步地，图像搜索方法还包括：对待搜索图像进行特征提取处理，得到初始特征信息；对初始特征信息进行局部特征提取处理，得到局部特征信息；对初始特征信息进行全局特征提取处理，得到全局特征信息；对局部特征信息和全局特征信息进行特征融合，得到第一目标特征信息。
[0008]进一步地，目标训练样本集基于以下方法构建得到：获取多个第一样本图像；对每个第一样本图像进行第一图像增强处理，得到每个第一样本图像对应的第二样本图像；对每个第一样本图像进行第二图像增强处理，得到每个第一样本图像对应的第三样本图像，其中，第一图像增强处理与第二图像增强处理不同；基于第二样本图像和第三样本图像构建目标训练样本集。
[0009]进一步地，图像搜索方法还包括：获取多个初始样本图像；对每个初始样本图像进
行多尺度裁剪处理，得到每个初始样本图像所对应的多个第四样本图像，其中，多个第四样本图像具有不同的尺寸；对多个第四样本图像进行归一化处理，得到每个第四样本图像对应的第一样本图像。
[0010]进一步地，目标特征提取模型基于以下方法训练得到：构建初始特征提取模型；基于初始特征提取模型，对目标训练样本集中的每个目标样本图像进行特征提取，得到每个目标样本图像对应的目标样本特征信息，其中，目标样本图像为第二样本图像或第三样本图像；基于每个目标样本图像对应的目标样本特征信息，训练初始特征提取模型，得到目标特征提取模型。
[0011]进一步地，图像搜索方法还包括：对每个目标样本图像进行特征提取处理，得到每个目标样本图像对应的样本初始特征信息；对每个样本初始特征信息进行局部特征提取处理，得到每个目标样本图像对应的样本局部特征信息；对每个样本初始特征信息进行全局特征提取处理，得到每个目标样本图像对应的样本全局特征信息；对每个目标样本图像对应的样本局部特征信息和样本全局特征信息进行特征融合，得到每个目标样本图像对应的目标样本特征信息。
[0012]进一步地，图像搜索方法还包括：在基于目标特征提取模型，对待搜索图像进行特征提取，得到第一目标特征信息之前，对待搜索图像和待匹配图像进行归一化处理。
[0013]根据本专利技术实施例的另一方面，还提供了一种图像搜索装置，包括：第一获取模块，用于获取待搜索图像；第一特征提取模块，用于基于目标特征提取模型，对待搜索图像进行特征提取，得到第一目标特征信息，其中，目标特征提取模型为基于无监督对比学习方式训练得到的，目标特征提取模型采用目标训练样本集进行训练，目标训练样本集是基于对多个图像中的每个图像进行多种图像增强所得到的；计算模块，用于计算第一目标特征信息与每个待匹配图像对应的第二目标特征信息之间的相似度，得到多个相似度值，其中，第二目标特征信息为基于目标特征提取模型对待匹配图像进行特征提取得到的；确定模块，用于基于多个相似度值，从多个待匹配图像中确定目标图像，并确定目标图像为与待搜索图像对应的搜索结果，其中，目标图像的图像内容与待搜索图像的图像内容之间的相似度大于预设相似度。
[0014]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的图像搜索方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的图像搜索方法。
[0016]在本专利技术实施例中，采用基于无监督对比学习方式训练得到的模型实现图片搜索的方式，通过获取待搜索图像，然后基于目标特征提取模型，对待搜索图像进行特征提取，得到第一目标特征信息，接着计算第一目标特征信息与每个待匹配图像对应的第二目标特征信息之间的相似度，得到多个相似度值，从而基于多个相似度值，从多个待匹配图像中确定目标图像，并确定目标图像为与待搜索图像对应的搜索结果，其中，目标特征提取模型为基于无监督对比学习方式训练得到的，目标特征提取模型采用目标训练样本集进行训练，
目标训练样本集是基于对多个图像中的每个图像进行多种图像增强所得到的，第二目标特征信息为基于目标特征提取模型对待匹配图像进行特征提取得到的，目标图像的图像内容与待搜索图像的图像内容之间的相似度大于预设相似度。
[0017]在上述过程中，由于目标训练样本集是基于对多个图像中的每个图像进行多种图像增强所得到的，因此，实现了对对比学习方式中正样本对的构建，从而避免了对图像的图像信息进行标注。进一步地，基于无监督对比学习方式对目标特征提取模型进行训练，一方面，利用无监督学习的方式可以得到对不同训练数据都具有鲁棒性的模型，另一方面，利用对比学习的方式可以让网络对类似图像的不同变体有更好的辨别能力，从而使得目标特征提取模型能够学习到的特征更加具有适应性和丰富性。更进一步地，通过目标特征提取模型对待搜索图像和待匹配图像进行特征提取，实现了对待搜索图像和待匹配图像更准确的特征表示，从而使得基于特征提取的结果计算得到的待搜索图像和待匹配图像之间的相似度更加准确，进而提高了图像搜索的准确性。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像搜索方法，其特征在于，包括：获取待搜索图像；基于目标特征提取模型，对所述待搜索图像进行特征提取，得到第一目标特征信息，其中，所述目标特征提取模型为基于无监督对比学习方式训练得到的，所述目标特征提取模型采用目标训练样本集进行训练，所述目标训练样本集是基于对多个图像中的每个图像进行多种图像增强所得到的；计算所述第一目标特征信息与每个待匹配图像对应的第二目标特征信息之间的相似度，得到多个相似度值，其中，所述第二目标特征信息为基于所述目标特征提取模型对所述待匹配图像进行特征提取得到的；基于所述多个相似度值，从多个待匹配图像中确定目标图像，并确定所述目标图像为与所述待搜索图像对应的搜索结果，其中，所述目标图像的图像内容与所述待搜索图像的图像内容之间的相似度大于预设相似度。2.根据权利要求1所述的方法，其特征在于，对所述待搜索图像进行特征提取，得到第一目标特征信息，包括：对所述待搜索图像进行特征提取处理，得到初始特征信息；对所述初始特征信息进行局部特征提取处理，得到局部特征信息；对所述初始特征信息进行全局特征提取处理，得到全局特征信息；对所述局部特征信息和所述全局特征信息进行特征融合，得到所述第一目标特征信息。3.根据权利要求1所述的方法，其特征在于，所述目标训练样本集基于以下方法构建得到：获取多个第一样本图像；对每个第一样本图像进行第一图像增强处理，得到所述每个第一样本图像对应的第二样本图像；对所述每个第一样本图像进行第二图像增强处理，得到所述每个第一样本图像对应的第三样本图像，其中，所述第一图像增强处理与所述第二图像增强处理不同；基于所述第二样本图像和所述第三样本图像构建所述目标训练样本集。4.根据权利要求3所述的方法，其特征在于，获取多个第一样本图像，包括：获取多个初始样本图像；对每个初始样本图像进行多尺度裁剪处理，得到每个初始样本图像所对应的多个第四样本图像，其中，所述多个第四样本图像具有不同的尺寸；对所述多个第四样本图像进行归一化处理，得到每个第四样本图像对应的第一样本图像。5.根据权利要求3或4所述的方法，其特征在于，所述目标特征提取模型基于以下方法训练得到：构建初始特征提取模型；基于所述初始特征提取模型，对所述目标训练样本集中的每个目标样本图像进行特征提取，得到所述每个目标样本图像对应的目标样本特征信息，其中，所述目标样本图像为所述第二样本图像或所述第三样本图像；
...
【专利技术属性】
技术研发人员：王锘然，金沛然，徐健，蔡莹莹，田宁，刘冠辰，韩国民，
申请(专利权)人：河南文数保智能科技研究院有限公司，
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。