图像的检索类别确定方法、系统以及图像检索方法.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CN113761262A(43)申请公布日2021.12.07(21)申请号202111032148.XG06N3/08(2006.01)(22)申请日2021.09.03(71)申请人奇安信科技集团股份有限公司地址100088北京市西城区新街口外大街28号102号楼3层332号申请人网神信息技术（北京）股份有限公司(72)发明人刘昱均王占一(74)专利代理机构北京英特普罗知识产权代理有限公司11015代理人饶文彬(51)Int.Cl.G06F16/583(2019.01)G06F16/55(2019.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书17页附图9页(54)发明名称图像的检索类别确定方法、系统以及图像检索方法(57)摘要本发明公开了一种图像的检索类别确定方法，包括：将待查询图像输入至预设的图像分类网络模型中，以输出待查询图像对应的第一图像特征编码及其属于多个第一图像类别的第一概率；计算第一图像特征编码与图像库中的每个样本图像的第二图像特征编码的第一相似度值，以选取出第一预设数量的目标图像，其中，各个目标图像携带有与待查询图像相关的第二相似度值及第二图像类别；基于待查询图像属于多个第一图像类别的第一概率、每一张目标图像的第二相似度值及第二图像类别确定待查询图像的最终检索类别。本发明提高了最终检索类别确定的准确度。CN113761262ACN113761262A权利要求书1/3页1.一种图像的检索类别确定方法，其特征在于，包括：将待查询图像输入至预先训练好的图像分类网络模型中，并通过所述图像分类网络模型输出所述待查询图像对应的第一图像特征编码及所述待查询图像属于多个第一图像类别的第一概率；计算所述第一图像特征编码与预先构建的图像库中的每个入库图像的第二图像特征编码的第一相似度值，并根据计算得到的各个第一相似度值从所述图像库中选取出第一预设数量的目标图像，其中，每一张目标图像携带有与所述待查询图像相关的第二相似度值及第二图像类别；及基于所述待查询图像属于多个第一图像类别的第一概率、每一张目标图像的第二相似度值及第二图像类别确定所述待查询图像的最终检索类别。2.根据权利要求1所述的图像的检索类别确定方法，其特征在于，所述基于所述待查询图像属于多个第一图像类别的第一概率、每一张目标图像的第二相似度值及第二图像类别确定所述待查询图像的最终检索类别包括：基于每一张目标图像的第二相似度值与预设的概率算法计算出所述待查询图像的检索分类概率；从多个第一图像类别的第一概率中按概率值从大到小选取出第二预设数量的模型分类概率，所述第二预设数量为所述第一预设数量的目标图像对应的图像类别中所包含的不同种类的图像类别的个数；获取所述第二预设数量的模型分类概率对应的第三图像类别；及根据所述模型分类概率、所述检索分类概率及预设的概率融合算法从所述第二图像类别与所述第三图像类别中确定所述待查询图像的最终检索类别。3.根据权利要求1所述的图像的检索类别确定方法，其特征在于，所述图像分类网络模型的训练步骤包括：获取训练样本集，所述训练样本集包括多张样本图像，每张样本图像都具有图像类别标签；将所述训练样本集中的样本图像输入至预设的初始分类网络模型中，并通过所述初始分类网络模型输出每一张样本图像对应的属于多个第一图像类别的预测概率，所述初始分类网络模型包括有用于输出图像特征编码的图像特征编码输出层以及用于输出多个概率值的图像类别概率输出层；所述图像特征编码层用于输出所述样本图像的图像特征编码，所述图像类别输出层用于输出所述样本图像所属的多个第一图像类别的预测概率；根据每个图像对应的属于多个第一图像类别的预测概率与每个样本图像对应的图像类别标签计算所述分类网络模型的训练误差；判断所述训练误差是否符合预设条件；及若所述训练误差不符合所述预设条件，则根据所述训练误差对所述初始分类网络模型的模型参数进行更新，并重新对所述初始分类网络模型进行训练，直至所述训练误差满足所述预设条件，得到训练好的图像分类网络模型。4.根据权利要求3所述的图像的检索类别确定方法，其特征在于，所述方法还包括：获取多个入库图像；将所述多个入库图像输入至所述图像分类网络模型，以通过所述图像特征编码输出层2CN113761262A权利要求书2/3页输出每个入库图像对应的第二图像特征编码以及通过所述图像类别概率输出层输出每个入库图像对应的属于多个第一图像类别的入库概率；将每个入库图像对应的属于多个第一图像类别的入库概率值中，选取最大的入库概率对应的第一图像类别作为每个入库图像的第四图像类别；及将所述每个入库图像、每个入库图像对应的第二图像特征编码以及每个样本图像对应的第四图像类别关