【技术实现步骤摘要】
本申请涉及数字医疗和物料检索，尤其涉及物料检索方法、装置、计算机设备及存储介质。
技术介绍
1、传统的物料检索方法主要依赖于物料编码、关键词等结构化信息，然而物料的描述文本、图片等非结构化信息往往蕴含了更加丰富的语义信息，如何有效利用这些信息来提高物料检索的查准率和查全率，是目前面临的主要挑战。基于相似度的物料检索方法可以一定程度上解决上述问题，但在实际应用中仍存在一些局限性。首先，物料的相似度计算往往依赖于人工定义的特征，如关键词频次、文本长度等，这些特征的选取需要大量的领域知识和经验，且难以刻画物料的深层语义信息。其次，对于图片等非文本信息，传统的特征表示方法如颜色直方图、纹理特征等，无法准确刻画图片内容的语义信息，导致相似度计算的精度较低。
技术实现思路
1、本申请实施例的目的在于提出一种物料检索方法、装置、计算机设备及存储介质，以解决传统技术中物料识别精度较低的技术问题。
2、为了解决上述技术问题，本申请实施例提供一种物料检索方法，采用了如下所述的技术方案：
3、获取物料样本集，对所述物料样本集每一物料图片进行多模态特征提取，得到文本特征和图像特征；
4、将每一物料图片的所述文本特征和图像特征进行拼接，得到多个多模态融合特征；
5、对所述多模态融合特征进行哈希编码，得到所有多模态融合特征的物料哈希码，并基于所有物料哈希码构建检索数据库；
6、获取待检测图像的多模态融合特征，得到查询向量，并计算所述查询向量的哈希值，
7、从所述检索数据库中匹配出与所述查询哈希值最相似的物料哈希码，得到目标哈希码，并以所述目标哈希码对应的物料作为检索结果。
8、进一步的，所述对所述物料样本集每一物料图片进行多模态特征提取，得到文本特征，包括：
9、对所述物料图片进行文字识别，得到文本数据；
10、对所述文本数据进行预处理，得到包含多个分词的处理文本；
11、采用预置的词嵌入模型对所述处理文本进行特征提取，得到所述文本特征。
12、进一步的，所述图像特征通过以下方式得到：
13、对所述物料样本集中每一物料图片进行图像增强，得到强化样本集；
14、采用预训练的卷积神经网络对所述强化样本集中的物料图片进行多维度的特征提取，得到多个维度图像特征；
15、采用加权融合对所有维度图像特征进行融合，得到所述图像特征。
16、进一步的，所述将每一物料图片的所述文本特征和图像特征进行拼接，得到多个多模态融合特征，包括：
17、调用预置的多模态特征融合网络，所述多模态特征融合网络包括注意力机制模块和全连接模块；
18、将所述文本特征和图像特征输入所述多模态特征融合网络，基于预置的注意力机制模块分别对所述文本特征和图像特征进行不同维度的注意力特征提取，得到多个维度的文本注意力特征和图像注意力特征；
19、将多个维度的所述文本注意力特征和图像注意力特征输入所述全连接模块，得到所述多模态融合特征。
20、进一步的，所述从所述检索数据库中匹配出与所述查询哈希值最相似的物料哈希码，得到目标哈希码，包括：
21、计算所述查询哈希值与所述检索数据库中每一物料哈希码的汉明距离；
22、统计所有汉明距离超过预设阈值的物料哈希码，得到候选物料集；
23、计算所述候选物料集中各物料哈希码对应的多模态融合特征与所述查询向量之间的余弦相似度，并按所述余弦相似度从大到小对所述候选物料集中的物料哈希码进行排序，从排序后的候选物料集中筛选最优的物料哈希码作为所述目标哈希码。
24、进一步的，所述按所述余弦相似度从大到小对所述候选物料集中的物料哈希码进行排序之后，所述方法还包括：
25、获取所述候选物料集中各物料哈希码对应物料的辅助信息，所述辅助信息至少包括物料质量及供应商信誉度；
26、基于所述辅助信息对排序后的所述候选物料集中的物料哈希码进行加权评分；
27、根据所述评分优化所述候选物料集的排序，得到综合排序后的候选物料集。
28、进一步的，所述以所述目标哈希码对应的物料作为检索结果之后，包括：
29、记录所述查询向量对应的检索结果，生成查询日志；
30、根据所述查询日志，按增量学习实时更新所述检索数据库。
31、为了解决上述技术问题，本申请实施例还提供一种物料检索装置，采用了如下所述的技术方案：
32、特征提取模块，用于获取物料样本集，对所述物料样本集每一物料图片进行多模态特征提取，得到文本特征和图像特征；
33、特征融合模块，用于将每一物料图片的所述文本特征和图像特征进行拼接，得到多个多模态融合特征；
34、构建模块，用于对所述多模态融合特征进行哈希编码，得到所有多模态融合特征的物料哈希码，并基于所有物料哈希码构建检索数据库；
35、计算模块，用于获取待检测图像的多模态融合特征，得到查询向量，并计算所述查询向量的哈希值，得到查询哈希值；
36、匹配模块，用于从所述检索数据库中匹配出与所述查询哈希值最相似的物料哈希码，得到目标哈希码，并以所述目标哈希码对应的物料作为检索结果。
37、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
38、所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上任一项所述的物料检索方法的步骤。
39、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
40、所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上任一项所述的物料检索方法的步骤。
41、与现有技术相比，本申请实施例主要有以下有益效果：针对物料库图片同时包含描述文本和图片信息的特点，通过提取物料图片的多模态特征，得到物料图片的文本特征和图像特征，将两种模态特征进行融合，形成多模态融合特征。在此基础上，采用哈希编码方法将多模态融合特征映射为二进制码，实现海量物料库的快速检索，显著提升了物料检索的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种物料检索方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的物料检索方法，其特征在于，所述对所述物料样本集每一物料图片进行多模态特征提取，得到文本特征，包括：
3.根据权利要求1所述的物料检索方法，其特征在于，所述图像特征通过以下方式得到：
4.根据权利要求1所述的物料检索方法，其特征在于，所述将每一物料图片的所述文本特征和图像特征进行拼接，得到多个多模态融合特征，包括：
5.根据权利要求1所述的物料检索方法，其特征在于，所述从所述检索数据库中匹配出与所述查询哈希值最相似的物料哈希码，得到目标哈希码，包括：
6.根据权利要求5所述的物料检索方法，其特征在于，所述按所述余弦相似度从大到小对所述候选物料集中的物料哈希码进行排序之后，所述方法还包括：
7.根据权利要求1所述的物料检索方法，其特征在于，所述以所述目标哈希码对应的物料作为检索结果之后，包括：
8.一种物料检索装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的物料检索方法的步骤。
...【技术特征摘要】
1.一种物料检索方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的物料检索方法，其特征在于，所述对所述物料样本集每一物料图片进行多模态特征提取，得到文本特征，包括：
3.根据权利要求1所述的物料检索方法，其特征在于，所述图像特征通过以下方式得到：
4.根据权利要求1所述的物料检索方法，其特征在于，所述将每一物料图片的所述文本特征和图像特征进行拼接，得到多个多模态融合特征，包括：
5.根据权利要求1所述的物料检索方法，其特征在于，所述从所述检索数据库中匹配出与所述查询哈希值最相似的物料哈希码，得到目标哈希码，包括：
6.根据权利要求5所述的物料检索方法，其特征在于，...
【专利技术属性】
技术研发人员：赵永胜，李志宏，
申请(专利权)人：平安银行股份有限公司，
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。