图像特征提取模型的训练方法和图像检索方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111242184A(43)申请公布日2020.06.05(21)申请号202010005761.1(22)申请日2020.01.03(71)申请人支付宝（杭州）信息技术有限公司地址310007浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人徐富荣(74)专利代理机构北京汇思诚业知识产权代理有限公司11444代理人冯伟(51)Int.Cl.G06K9/62(2006.01)G06F16/583(2019.01)G06Q40/08(2012.01)G06N3/04(2006.01)权利要求书3页说明书13页附图7页(54)发明名称图像特征提取模型的训练方法和图像检索方法(57)摘要本说明书实施例公开了一种图像特征提取模型的训练方法和图像检索方法，图像特征提取模型的训练方法包括：获取样本图像，以及样本图像对应的类型。将样本图像输入图像特征提取模型，以生成样本图像对应的图像特征。其中，图像特征提取模型包括卷积神经网络。根据样本图像对应的图像特征在特征空间中的距离，对卷积神经网络进行训练。当相同类型的样本图像对应的图像特征，在特征空间中的位置重合，并且不同类型的样本图像对应的图像特征，在特征空间中均匀分布时，完成对图像特征提取模型的训练。由此，使得不同类型的图像对应的图像特征，存在较大区别，在进行图像检索时，使用该模型进行图像特征的提取，提升了图像检索的准确度。CN111242184ACN111242184A权利要求书1/3页1.一种图像特征提取模型的训练方法，包括：获取样本图像，以及所述样本图像对应的类型；将所述样本图像输入图像特征提取模型，以生成所述样本图像对应的图像特征；其中，所述图像特征提取模型包括卷积神经网络；根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练；以及当相同类型的所述样本图像对应的图像特征，在所述特征空间中的位置重合，并且不同类型的所述样本图像对应的图像特征，在所述特征空间中均匀分布时，完成对所述图像特征提取模型的训练。2.如权利要求1所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，包括：调整所述卷积神经网络的参数，以减小相同类型的所述样本图像对应的图像特征在所述特征空间中的距离。3.如权利要求2所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，还包括：调整所述卷积神经网络的参数，以增大不同类型的所述样本图像对应的图像特征在所述特征空间中的距离。4.如权利要求3所述的训练方法，其中，所述根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练，还包括：调整所述卷积神经网络的参数，以使第一类型的所述样本图像对应的图像特征和第二类型的所述样本图像对应的图像特征在所述特征空间中的距离，与第一类型的所述样本图像对应的图像特征和第三类型的所述样本图像对应的图像特征在所述特征空间中的距离的差值小于或者等于预设阈值。5.一种图像检索方法，包括：获取待检索图像；将所述待检索图像输入如权利要求1-4所述的训练方法训练后的图像特征提取模型，以生成所述待检索图像对应的图像特征；确定所述待检索图像对应的图像特征和图像库中图像对应的图像特征在特征空间中的距离；以及根据所述距离，确定所述图像库中与所述待检索图像类型相同的图像。6.如权利要求5所述的方法，其中，在所述根据所述距离，确定所述图像库中与所述待检索图像类型相同的图像之后，还包括：将所述图像库中与所述待检索图像类型相同的图像，设置在图像检索结果列表的顶端。7.如权利要求6所述的方法，其中，所述将所述图像库中与所述待检索图像类型相同的图像，设置在图像检索结果列表的顶端，包括：确定所述待检索图像对应的图像特征和所述图像库中每种类型的图像对应的图像特征在所述特征空间中的距离；按照所述距离从小到大的顺序，将所述图像库中每种类型的图像从上到下设置在所述图像检索结果列表中。2CN111242184A权利要求书2/3页8.一种图像特征提取模型的训练装置，包括：第一获取模块，用于获取样本图像，以及所述样本图像对应的类型；第一输入模块，用于将所述样本图像输入图像特征提取模型，以生成所述样本图像对应的图像特征；其中，所述图像特征提取模型包括卷积神经网络；训练模块，用于根据所述样本图像对应的图像特征在特征空间中的距离，对所述卷积神经网络进行训练；以及完成模块，用于当相同类型的所述样本图像对应的图像特征，在所述特征空间中的位置重合，并且不同类型的所述样本图像对应的图像特征，在所述特征空间中均匀分布时，完成对所述图像特征提取模型的训练。9.如权利要求8所述的训