CN102855245A - 一种用于确定图片相似度的方法与设备 - Google Patents
一种用于确定图片相似度的方法与设备 Download PDFInfo
- Publication number
- CN102855245A CN102855245A CN2011101800208A CN201110180020A CN102855245A CN 102855245 A CN102855245 A CN 102855245A CN 2011101800208 A CN2011101800208 A CN 2011101800208A CN 201110180020 A CN201110180020 A CN 201110180020A CN 102855245 A CN102855245 A CN 102855245A
- Authority
- CN
- China
- Prior art keywords
- picture
- demand information
- information
- user
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明的目的是提供一种用于确定图片相似度的方法与设备。其中，相似度确定设备从图片索引库中获取与查询关键词相对应的图片；获取所述图片中的用户点击图片；根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。本发明使得图片搜索引擎等图片检索设备在提供相应图片搜索结果时，可以根据这些图片搜索结果与用户点击图片的图片相似度进行排序。由于图片相似度是根据特定查询关键词所对应的每个图片的图片特征信息与该特定查询关键词所对应的用户点击图片的视觉需求信息得到的，故该图片相似度兼顾了用户的查询需求以及视觉需求。
Description
技术领域
本发明涉及图片检索技术领域，尤其涉及一种用于确定图片相似度的技术。
背景技术
现有技术中，图片检索的方式主要有两种：1)基于查询关键词进行检索；2)基于图片底层特征进行检索。对于第一种方式而言，基于用户输入的查询关键词，与图片的名称、描述信息等进行匹配查询，以获得与该查询关键词相匹配的图片，这种方式对图片名称、图片的描述信息中所包括的图片内容的要求较高，当图片名称、图片的描述信息包括较少的图片内容，甚至与图片内容不符时，基于该种方法检索到的图片将很难满足用户的查询需求。对于第二种方式而言，基于图片的底层特征，如像素、灰度值、对比度等进行匹配查询，对用户的要求较高，用户需要对图片的底层特征有一定的了解，并且还需要了解其希望查询的图片的底层特征，这种限制使得该种方式只能适用于专业人士的图片检索，而大部分的查询用户都无法通过该种方法进行图片检索。
因此，如何提供一种用于确定图片相似度的方法，且该图片相似度基于查询关键词所对应的用户点击图片，并可用于图片检索，成为目前急需解决的问题之一。
发明内容
本发明的目的是提供一种用于确定图片相似度的方法与设备。
根据本发明的一个方面，提供了一种计算机实现的用于确定图片相似度的方法，其中，该方法包括以下步骤：
a从图片索引库中获取与查询关键词相对应的图片；
b获取所述图片中的用户点击图片；
c根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；
d根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。
根据本发明的另一个方面，还提供了一种用于确定图片相似度的设备，其中，该设备包括：
图片获取装置，用于从图片索引库中获取与查询关键词相对应的图片；
记录获取装置，用于获取所述图片中的用户点击图片；
需求获取装置，用于根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；
相似度确定装置，用于根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。
与现有技术相比，本发明根据对应于特定查询关键词的用户点击图片的视觉需求信息，确定对应于该特定查询关键词的所有图片分别与这些用户点击图片的图片相似度，使得图片搜索引擎等图片检索设备在基于查询关键词提供相应图片搜索结果时，可以根据这些图片搜索结果与用户点击图片的图片相似度进行排序。由于图片相似度是根据特定查询关键词所对应的每个图片的图片特征信息与该特定查询关键词所对应的用户点击图片的视觉需求信息得到的，故该图片相似度兼顾了用户的查询需求，如基于查询关键词进行图片检索，以及用户的视觉需求，如图片搜索结果可以基于图片相似度进行排序，而该图片相似度是根据用户点击图片的视觉需求信息获得，使得图片检索设备提供的图片搜索结果更贴近用户的查询需求和视觉需求，同时也使得用户获得更好的图片搜索体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出根据本发明一个方面的用于确定图片相似度的设备的示意图；
图2示出根据本发明一个优选实施例的用于确定图片相似度的设备的示意图；
图3示出根据本发明另一个方面的用于确定图片相似度的方法流程图；
图4示出根据本发明一个优选实施例的用于确定图片相似度的方法流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1示出根据本发明一个方面的设备示意图，示出用于确定图片相似度的相似度确定设备。其中，相似度确定设备1包括图片获取装置11、记录获取装置12、需求获取装置13和相似度确定装置14。具体地，图片获取装置11从图片索引库中获取与查询关键词相对应的图片；随后，记录获取装置12获取所述图片中的用户点击图片；接着，需求获取装置13根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；随后，相似度确定装置14根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。在此，相似度确定设备1包括但不限于任何一种用于图片检索的设备，诸如图片搜索引擎、与图片搜索引擎相连的专用设备等；进一步地，相似度确定设备1包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云可以由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种由一群松散耦合的计算机集组成的一个超级虚拟计算机。本领域技术人员应能理解上述相似度确定设备仅为举例，其他现有的或今后可能出现的相似度确定设备如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
更具体地，图片获取装置11从图片索引库中获取与查询关键词相对应的图片。具体地，图片获取装置11从诸如图片搜索引擎、第三方设备等的图片索引库中获取与查询关键词相对应的图片。例如，假设相似度确定设备1为图片搜索引擎，图片获取装置11在该图片搜索引擎的图片索引库中，根据查询关键词进行查询，获得与该查询关键词相对应的图片。又如，假设第三方设备带有图片索引库，图片获取装置11根据该第三方设备提供的应用程序接口(API)，向该第三方设备发送基于查询关键词的图片查询请求，并接收该第三方设备返回的在该图片索引库中查询获得的基于该查询关键词的图片。本领域技术人员应能理解上述获取与查询关键词相对应的图片的方式仅为举例，其他现有的或今后可能出现的获取与查询关键词相对应的图片的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
随后，记录获取装置12获取所述图片中的用户点击图片。具体地，记录获取装置12根据搜索引擎的查询日志、第三方设备的用户查询记录等，获取图片获取装置11获取的图片中用户点击浏览的用户点击图片。例如，假设相似度确定设备1为图片搜索引擎，图片获取装置11从该图片搜索引擎的图片索引库中获取与查询关键词相对应的图片，记录获取装置12根据该图片搜索引擎的查询日志，获取这些图片中用户点击浏览的用户点击图片。优选地，记录获取装置12还可以按照预定点击浏览次数阈值，选择图片获取装置11获取的图片中点击浏览次数超过该预定点击浏览次数阈值的用户点击图片。在此，每个用户点击图片的点击浏览次数越多，表明该用户点击图片越符合用户的查询需求，并且基于点击浏览次数较多的用户点击图片的图片特征信息确定的视觉需求信息也越可靠，越符合用户的视觉需求。本领域技术人员应能理解上述获取用户点击图片的方式仅为举例，其他现有的或今后可能出现的获取用户点击图片的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
接着，需求获取装置13根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息。具体地，需求获取装置13根据记录获取装置12获取的用户点击图片，通过诸如从这些用户点击图片中分别提取图片特征信息并统计这些图片特征信息以获取与查询关键词相对应的视觉需求信息，或者从这些用户点击图片中分别提取图片特征信息，对高斯混合模型或SVM模型进行训练，获取相应高斯混合模型的参数或SVM模型的支持向量参数，这些训练获得的相应高斯混合模型的参数或SVM模型的支持向量参数即为所述视觉需求信息，诸如颜色需求信息、纹理需求信息、形状需求信息、空间需求信息等。例如，记录获取装置12根据图片搜索引擎的查询日志获取与查询关键词“玫瑰”相对应的用户点击图片，需求获取装置13从这些用户点击图片中分别提取图片特征信息，如颜色特征信息，统计得出红色的比例为76％，据此获得与查询关键词“玫瑰”相对应的视觉需求信息为颜色需求信息，即红色。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
随后，相似度确定装置14根据所述视觉需求信息，确定所述图片与所述用户点击图片的图片相似度。具体地，相似度确定装置14根据需求获取装置13获取的用户点击图片的视觉需求信息，通过诸如高斯距离、将用户点击图片的视觉需求向量数值化后进行相应计算等方式确定图片获取装置11获取的图片与用户点击图片的图片相似度。例如，图片获取装置11从图片索引库中获取对应于查询关键词“玫瑰”的图片，记录获取装置12根据搜索引擎的查询日志，获得这些图片中的用户点击图片，需求获取装置13根据高斯混合模型获取用户点击图片的视觉需求信息，如颜色特征向量A，相似度确定装置14根据该颜色特征向量A以及对应于查询关键词“玫瑰”的每个图片的颜色特征向量，通过计算每个图片的颜色特征向量与颜色特征向量A的向量距离，确定相应图片与用户点击图片的图片相似度。本领域技术人员应能理解上述确定图片相似度的方式仅为举例，其他现有的或今后可能出现的确定图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，图片获取装置11、记录获取装置12、需求获取装置13和相似度确定装置14是持续不断工作的。具体地，图片获取装置11从图片索引库中获取与查询关键词相对应的图片；随后，记录获取装置12获取所述图片中的用户点击图片；接着，需求获取装置13根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；随后，相似度确定装置14根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。在此，本领域技术人员应理解“持续”是指图片获取装置11、记录获取装置12、需求获取装置13和相似度确定装置14分别按照设定的或实时调整的工作模式要求进行查询关键词所对应图片的获取、用户点击图片的获取、视觉需求信息的获取及图片相似度的确定，直至相似度确定设备1在较长时间内停止获取查询关键词所对应的图片。
图2示出根据本发明一个优选实施例的设备示意图，示出用于确定图片相似度的相似度确定设备。具体地，相似度确定设备1包括图片获取装置11’、记录获取装置12’、需求获取装置13’和相似度确定装置14’。图2中图片获取装置11’、记录获取装置12’和相似度确定装置14’与图1中图片获取装置11、记录获取装置12和相似度确定装置14的内容相同，为简明起见，以引用方式包含于此，不再赘述。
需求获取装置13’包括信息提取单元131’和需求获取单元132’。具体地，信息提取单元131’根据所述用户点击图片，提取所述用户点击图片的图片特征信息；需求获取单元132’根据所述图片特征信息，获取所述视觉需求信息。
更具体地，信息提取单元131’根据所述用户点击图片，提取所述用户点击图片的图片特征信息。具体地，信息提取单元131’根据记录获取装置12’获取的与查询关键词相对应的用户点击图片，从这些用户点击图片中提取图片特征信息，诸如颜色特征信息、纹理特征信息、形状特征信息、空间特征信息及图片主题类型信息等。例如，记录获取装置12’根据图片搜索引擎的查询日志获取与查询关键词相对应的用户点击图片，信息提取单元131’根据HSV颜色直方图、颜色集等获取用户点击图片的颜色特征信息，根据灰度共生矩阵、小波变换、随机场模型法等获取用户点击图片的纹理特征信息，根据傅里叶形状描述符法、边界特征法等获取用户点击图片的形状特征信息，根据图像分割获取用户点击图片的空间特征信息，根据对图片标题、描述信息的语义分析或者图片内容的分析获取用户点击图片的图片主题类型信息。本领域技术人员应能理解上述获取各项图片特征信息的方式仅为举例，其他现有的或今后可能出现的获取图片特征信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
需求获取单元132’根据所述图片特征信息，获取所述视觉需求信息。具体地，需求获取单元132’根据信息提取单元131’从用户点击图片中提取的图片特征信息，通过诸如对这些图片特征信息的统计分析、或者高斯混合模型、支持向量机(SVM)等，获得用户点击图片的视觉需求信息，诸如颜色需求信息、纹理需求信息、形状需求信息、空间需求信息等。例如，信息提取单元131’分别从每个用户点击图片中提取相应的颜色矩，需求获取单元132’对这些颜色矩求均值，以获得用户点击图片的颜色矩均值，该颜色矩均值即为用户点击图片的颜色需求信息。又如，信息提取单元131’根据小波变换分别从每个用户点击图片中提取相应的纹理特征信息，需求获取单元132’通过高斯混合模型获得用户点击图片的纹理特征向量，该纹理特征向量即为用户点击图片的纹理需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，需求获取单元132’还根据所述图片特征信息，通过高斯混合模型或支持向量机，获取所述视觉需求信息。具体地，需求获取单元132’根据信息提取单元131’从用户点击图片中提取的图片特征信息，对高斯混合模型或SVM模型进行训练，获取相应高斯混合模型的参数或SVM模型的支持向量参数，这些训练获得的相应高斯混合模型的参数或SVM模型的支持向量参数即为用户点击图片的视觉需求信息。例如，信息提取单元131’根据HSV颜色直方图分别从每个用户点击图片中提取相应的颜色特征信息，需求获取单元132’根据这些颜色特征信息对支持向量机(SVM)进行训练，训练获得的支持向量机(SVM)的参数，即为用户点击图片的颜色需求信息。又如，信息提取单元131’根据小波变换分别从每个用户点击图片中提取相应的纹理特征信息，需求获取单元132’根据这些纹理特征信息对高斯混合模型进行训练，以获得用户点击图片的纹理需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
更优选地，相似度确定装置14’还根据所述视觉需求信息，通过所述高斯混合模型或所述支持向量机，确定所述图片相似度。具体地，相似度确定装置14’还根据图片获取装置11’获取的图片的相应图片特征信息，通过需求获取单元132’训练获得的以所述视觉需求信息作为参数的高斯混合模型进行计算，获得相应的相似概率值；或者通过需求获取单元132’训练获得的以所述视觉需求信息作为参数的支持向量机(SVM)进行概率预测，获得相应的相似概率值；该等相似概率值即可表征所述图片与用户点击图片的相似度。例如，需求获取单元132’通过对高斯混合模型进行训练，获取用户点击图片的视觉需求信息；相似度确定装置14’将图片获取装置11’获取的每个图片的相应图片特征信息输入该训练好的高斯混合模型进行计算，获得相应的相似概率值，该相似概率值即为每个图片与用户点击图片的图片相似度。又如，相似度确定装置14’将用户点击图片作为支持向量机(SVM)的正样本，并将随机图片作为该支持向量机(SVM)的负样本，基于颜色特征向量，通过该支持向量机(SVM)对图片获取装置11’所获取的每个图片计算相似概率，并得到相应图片与用户点击图片的图片相似度。本领域技术人员应能理解上述确定图片相似度的方式仅为举例，其他现有的或今后可能出现的确定图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在一个优选实施例中(参见图2)，需求获取单元132’还当信息提取单元131’提取的多个图片特征信息中的至少一个图片特征信息的集中度超过其相应的预设集中度阈值时，根据这(些)超过相应预设集中度阈值的图片特征信息，获取用户点击图片的视觉需求信息。例如，假设用户点击图片的图片特征信息包括颜色特征值、纹理特征值和形状特征值，每个图片特征信息的集中度都对应一个预设集中度阈值，并且这些用户点击图片的颜色特征值集中度和纹理特征值集中度都超过了其对应的预设集中度阈值，则需求获取单元132’获取这些用户点击图片的颜色特征值集中区间和纹理特征值集中区间作为用户点击图片的视觉需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在另一个优选实施例中(参见图2)，相似度确定设备1还包括权重确定装置(未示出)，该权重确定装置根据用户点击图片的图片特征信息中每个图片特征信息的集中度，确定用户点击图片的相应视觉需求信息中每个视觉需求信息的权重；随后，相似度确定装置14’还根据用户点击图片的视觉需求信息，并结合每个视觉需求信息的权重，确定这些图片与用户点击图片的图片相似度。例如，假设用户点击图片的图片特征信息包括颜色特征信息、纹理特征信息和形状特征信息，每个图片特征信息对应一个集中度，权重确定装置根据每个图片特征信息的集中度，确定该图片特征信息所对应的视觉需求信息的权重，如颜色特征信息、纹理特征信息和形状特征信息的集中度分别为1、2、2，相应的视觉需求信息中颜色需求信息、纹理需求信息和形状需求信息的权重分别为0.2、0.4、0.4；相似度确定装置14’根据用户点击图片的视觉需求信息，获得图片获取装置11获取的每个图片与用户点击图片的颜色相似概率值、纹理相似概率值和形状相似概率值，结合用户点击图片的每个视觉需求信息的权重，获得每个图片与用户点击图片的图片相似度＝0.2*颜色相似概率值+0.4*纹理相似概率值+0.4*形状相似概率值。本领域技术人员应能理解上述确定各项视觉需求信息的权重以及图片相似度的方式仅为举例，其他现有的或今后可能出现的确定各项视觉需求信息的权重或者图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在再一个优选实施例中(参见图1)，相似度确定设备1还包括权值获取装置(未示出)，该权值获取装置根据图片获取装置11获取的图片中至少一个图片的文本权值，结合相似度确定装置14确定的这(些)图片的图片相似度，加权获得相应图片的权值。例如，假设图片获取装置11获取的4个图片的文本权值分别为20、30、40、50，对相似度确定装置14确定的相应图片的图片相似度归一化后，获得归一化后的图片相似度分别为30、50、40、40，如果文本权值和图片相似度的权重相同，则权值获取装置确定这4个图片的权值分别为25、40、40、45。本领域技术人员应能理解上述确定图片权值的方式仅为举例，其他现有的或今后可能出现的确定图片权值的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，相似度确定设备1还包括权值更新装置(未示出)，该权值更新装置根据相似度确定装置14确定的图片相似度，更新图片获取装置11获取的图片中至少一个图片的权值。例如，假设查询关键词所对应的图片已经获得权值，如基于文本权值、图片相似度或两者结合的权值，在下一更新周期到达时，相似度确定装置14根据新获得的该查询关键词所对应的用户点击图片，确定该查询关键词所对应的所有图片分别与这些新的用户点击图片的图片相似度1，权值更新装置将该图片相似度1作为增量，对相应图片的权值进行增加，以分别更新该查询关键词所对应的所有图片的权值。又如，在特定更新事件发生时，如人工启动图片的权值更新操作，相似度确定装置14根据新获得的该查询关键词所对应的用户点击图片，以及该查询关键词原来所对应的用户点击图片，重新确定该查询关键词所对应的所有图片分别与这些新获得的和原来的用户点击图片的图片相似度2，权值更新装置根据该查询关键词所对应的所有图片的文本权值和图片相似度2，更新该查询关键词所对应的所有图片的权值。本领域技术人员应能理解上述更新图片权值的方式仅为举例，其他现有的或今后可能出现的更新图片权值的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，所述视觉需求信息基于但不限于，以下至少任一项：
1)颜色需求信息；
2)纹理需求信息；
3)形状需求信息；
4)空间需求信息；
5)图片主题需求信息。
具体地，需求获取装置13获取的视觉需求信息基于但不限于，以下至少任一项：1)颜色需求信息，基于信息获取装置12获取的用户点击图片中的颜色特征信息，可以通过对这些用户点击图片的颜色特征信息的统计分析得到；例如，统计用户点击图片的颜色特征信息的集中区间，如颜色特征信息的个数以及覆盖比例均达到其相应的预设阈值时，这些颜色特征信息所对应的特定集中区间，该特定集中区间即为用户点击图片的颜色需求信息；此外，还可以通过高斯混合模型或者支持向量机(SVM)获得用户点击图片的颜色需求信息。2)纹理需求信息，基于信息获取装置12获取的用户点击图片中的纹理特征信息；3)形状需求信息，基于信息获取装置12获取的用户点击图片中的形状特征信息；4)空间需求信息，基于信息获取装置12获取的用户点击图片中的空间特征信息；5)图片主题需求信息，基于信息获取装置12获取的用户点击图片中的图片主题类型信息。在此，本领域技术人员应能理解，上述纹理需求信息、形状需求信息、空间需求信息、图片主题需求信息的获取方式与颜色需求信息的获取方式相类似，均可以通过对相应特征信息的统计分析获得，为简明起见，在此不再赘述，以引用方式包含于此。本领域技术人员还应能理解上述各项视觉需求信息仅为举例，其他现有的或今后可能出现的视觉需求信息如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
此外，上述的用于确定图片相似度的装置可以与现有的搜索引擎相结合，构成一种新的搜索引擎，现有的搜索引擎可以是采用已知的如百度、Google、Yahoo等的搜索引擎。
优选地，该新的搜索引擎在基于查询关键词根据图片索引库中图片的权值提供图片搜索结果时，还提供与所述图片搜索结果相对应的图片相似度。具体地，该与现有搜索引擎相结合且用于确定图片相似度的搜索引擎，在为用户提供图片搜索结果时，还通过诸如特别字体、浮动窗口等方式，提供这些图片搜索结果相应的图片相似度。例如，与现有搜索引擎相结合，且用于确定图片相似度的搜索引擎，在根据用户的查询序列提供相应的图片搜索结果时，在这些图片搜索结果的图片说明中添加相应图片的图片相似度；进一步地，这些图片的图片相似度还可以特别字体、或者浮动窗口等方式显示，如在用户的鼠标停留在图片搜索结果的图片链接、或者图片说明时，以悬浮窗口显示该鼠标停留的图片搜索结果所对应的图片相似度。本领域技术人员应能理解上述图片相似度的提供方式仅为举例，其他现有的或今后可能出现的图片相似度的提供方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
图3示出根据本发明一个方面的方法流程图，示出用于确定图片相似度的过程。其中，在步骤S1中，相似度确定设备1从图片索引库中获取与查询关键词相对应的图片；随后，在步骤S2中，相似度确定设备1获取所述图片中的用户点击图片；接着，在步骤S3中，相似度确定设备1根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；随后，在步骤S4中，相似度确定设备1根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。在此，相似度确定设备1包括但不限于任何一种用于图片检索的设备，诸如图片搜索引擎、与图片搜索引擎相连的专用设备等；进一步地，相似度确定设备1包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云可以由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种由一群松散耦合的计算机集组成的一个超级虚拟计算机。本领域技术人员应能理解上述相似度确定设备仅为举例，其他现有的或今后可能出现的相似度确定设备如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
更具体地，在步骤S1中，相似度确定设备1从图片索引库中获取与查询关键词相对应的图片。具体地，在步骤S1中，相似度确定设备1从诸如图片搜索引擎、第三方设备等的图片索引库中获取与查询关键词相对应的图片。例如，假设相似度确定设备1为图片搜索引擎，在步骤S1中，相似度确定设备1在其存储的图片索引库中，根据查询关键词进行查询，获得与该查询关键词相对应的图片。又如，假设第三方设备带有图片索引库，相似度确定设备1根据该第三方设备提供的应用程序接口(API)，向该第三方设备发送基于查询关键词的图片查询请求，并接收该第三方设备返回的在该图片索引库中查询获得的基于该查询关键词的图片。本领域技术人员应能理解上述获取与查询关键词相对应的图片的方式仅为举例，其他现有的或今后可能出现的获取与查询关键词相对应的图片的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
随后，在步骤S2中，相似度确定设备1获取所述图片中的用户点击图片。具体地，在步骤S2中，相似度确定设备1根据搜索引擎的查询日志、第三方设备的用户查询记录等，获取其在步骤S1中获取的图片中用户点击浏览的用户点击图片。例如，假设相似度确定设备1为图片搜索引擎，在步骤S1中，相似度确定设备1从该图片搜索引擎的图片索引库中获取与查询关键词相对应的图片；在步骤S2中，相似度确定设备1根据该图片搜索引擎的查询日志，获取这些图片中用户点击浏览的用户点击图片。优选地，在步骤S2中，相似度确定设备1还可以按照预定点击浏览次数阈值，选择其在步骤S1中获取的图片中点击浏览次数超过该预定点击浏览次数阈值的用户点击图片。在此，每个用户点击图片的点击浏览次数越多，表明该用户点击图片越符合用户的查询需求，并且基于点击浏览次数较多的用户点击图片的图片特征信息确定的视觉需求信息也越可靠，越符合用户的视觉需求。本领域技术人员应能理解上述获取用户点击图片的方式仅为举例，其他现有的或今后可能出现的获取用户点击图片的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
接着，在步骤S3中，相似度确定设备1根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息。具体地，在步骤S3中，相似度确定设备1根据其在步骤S2中获取的用户点击图片，通过诸如从这些用户点击图片中分别提取图片特征信息并统计这些图片特征信息以获取与查询关键词相对应的视觉需求信息，或者从这些用户点击图片中分别提取图片特征信息，对高斯混合模型或SVM模型进行训练，获取相应高斯混合模型的参数或SVM模型的支持向量参数，这些训练获得的相应高斯混合模型的参数或SVM模型的支持向量参数即为所述视觉需求信息，诸如颜色需求信息、纹理需求信息、形状需求信息、空间需求信息等。例如，在步骤S2中，相似度确定设备1根据图片搜索引擎的查询日志获取与查询关键词“玫瑰”相对应的用户点击图片；在步骤S3中，相似度确定设备1从这些用户点击图片中分别提取图片特征信息，如颜色特征信息，统计得出红色的比例为76％，据此获得与查询关键词“玫瑰”相对应的视觉需求信息为颜色需求信息，即红色。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
随后，在步骤S4中，相似度确定设备1根据所述视觉需求信息，确定所述图片与所述用户点击图片的图片相似度。具体地，在步骤S4中，相似度确定设备1根据其在步骤S3中获取的用户点击图片的视觉需求信息，通过诸如高斯距离、将用户点击图片的视觉需求向量数值化后进行相应计算等方式确定其在步骤S1中获取的图片与用户点击图片的图片相似度。例如，在步骤S1中，相似度确定设备1从图片索引库中获取对应于查询关键词“玫瑰”的图片；在步骤S2中，相似度确定设备1根据搜索引擎的查询日志，获得这些图片中的用户点击图片；在步骤S3中，相似度确定设备1根据高斯混合模型获取用户点击图片的视觉需求信息，如颜色特征向量A；在步骤S4中，相似度确定设备1根据该颜色特征向量A以及对应于查询关键词“玫瑰”的每个图片的颜色特征向量，通过计算每个图片的颜色特征向量与颜色特征向量A的向量距离，确定相应图片与用户点击图片的图片相似度。本领域技术人员应能理解上述确定图片相似度的方式仅为举例，其他现有的或今后可能出现的确定图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，相似度确定设备1在步骤S1、步骤S2、步骤S3和步骤S4是持续不断工作的。具体地，在步骤S1中，相似度确定设备1从图片索引库中获取与查询关键词相对应的图片；随后，在步骤S2中，相似度确定设备1获取所述图片中的用户点击图片；接着，在步骤S3中，相似度确定设备1根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；随后，在步骤S4中，相似度确定设备1根据所述视觉需求信息，确定所述图片与所述视觉需求信息相对应的图片相似度。在此，本领域技术人员应理解“持续”是指相似度确定设备1在步骤S1、步骤S2、步骤S3和步骤S4分别按照设定的或实时调整的工作模式要求进行查询关键词所对应图片的获取、用户点击图片的获取、视觉需求信息的获取及图片相似度的确定，直至相似度确定设备1在较长时间内停止获取查询关键词所对应的图片。
图2示出根据本发明一个优选实施例的方法流程图，示出用于确定图片相似度的过程。其中，图2中相似度确定设备1在步骤S1’、步骤S2’和步骤S4’的操作与图1中相似度确定设备1在步骤S1、步骤S2和步骤S4的操作内容相同，为简明起见，以引用方式包含于此，不再赘述。
具体地，在步骤S31’中，相似度确定设备1根据所述用户点击图片，提取所述用户点击图片的图片特征信息；在步骤S32’中，相似度确定设备1根据所述图片特征信息，获取所述视觉需求信息。
更具体地，在步骤S31’中，相似度确定设备1根据所述用户点击图片，提取所述用户点击图片的图片特征信息。具体地，在步骤S31’中，相似度确定设备1根据记录获取装置12’获取的与查询关键词相对应的用户点击图片，从这些用户点击图片中提取图片特征信息，诸如颜色特征信息、纹理特征信息、形状特征信息、空间特征信息及图片主题类型信息等。例如，在步骤S2’中，相似度确定设备1根据图片搜索引擎的查询日志获取与查询关键词相对应的用户点击图片；在步骤S31’中，相似度确定设备1根据HSV颜色直方图、颜色集等获取用户点击图片的颜色特征信息，根据灰度共生矩阵、小波变换、随机场模型法等获取用户点击图片的纹理特征信息，根据傅里叶形状描述符法、边界特征法等获取用户点击图片的形状特征信息，根据图像分割获取用户点击图片的空间特征信息，根据对图片标题、描述信息的语义分析或者图片内容的分析获取用户点击图片的图片主题类型信息。本领域技术人员应能理解上述获取各项图片特征信息的方式仅为举例，其他现有的或今后可能出现的获取图片特征信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在步骤S32’中，相似度确定设备1根据所述图片特征信息，获取所述视觉需求信息。具体地，在步骤S32’中，相似度确定设备1根据其在步骤S31’中从用户点击图片中提取的图片特征信息，通过诸如对这些图片特征信息的统计分析、或者高斯混合模型、支持向量机(SVM)等，获得用户点击图片的视觉需求信息，诸如颜色需求信息、纹理需求信息、形状需求信息、空间需求信息、图片主题需求信息等。例如，在步骤S31’中，相似度确定设备1分别从每个用户点击图片中提取相应的颜色矩；在步骤S32’中，相似度确定设备1对这些颜色矩求均值，以获得用户点击图片的颜色矩均值，该颜色矩均值即为用户点击图片的颜色需求信息。又如，在步骤S31’中，相似度确定设备1根据小波变换分别从每个用户点击图片中提取相应的纹理特征信息；在步骤S32’中，相似度确定设备1通过高斯混合模型获得用户点击图片的纹理特征向量，该纹理特征向量即为用户点击图片的纹理需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，在步骤S32’中，相似度确定设备1还根据所述图片特征信息，通过高斯混合模型或支持向量机，获取所述视觉需求信息。具体地，在步骤S32’中，相似度确定设备1根据其在步骤S31’中从用户点击图片中提取的图片特征信息，对高斯混合模型或SVM模型进行训练，获取相应高斯混合模型的参数或SVM模型的支持向量参数，这些训练获得的相应高斯混合模型的参数或SVM模型的支持向量参数即为用户点击图片的视觉需求信息。例如，在步骤S31’中，相似度确定设备1根据HSV颜色直方图分别从每个用户点击图片中提取相应的颜色特征信息；在步骤S32’中，相似度确定设备1根据这些颜色特征信息对支持向量机(SVM)进行训练，训练获得的支持向量机(SVM)的参数，即为用户点击图片的颜色需求信息。又如，在步骤S31’中，相似度确定设备1根据小波变换分别从每个用户点击图片中提取相应的纹理特征信息；在步骤S32’中，相似度确定设备1根据这些纹理特征信息对高斯混合模型进行训练，以获得用户点击图片的纹理需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
更优选地，在步骤S4’中，相似度确定设备1还根据所述视觉需求信息，通过所述高斯混合模型或所述支持向量机，确定所述图片相似度。具体地，在步骤S4’中，相似度确定设备1还根据其在步骤S1’获取的图片的相应图片特征信息，通过其在步骤S32’训练获得的以所述视觉需求信息作为参数的高斯混合模型进行计算，获得相应的相似概率值；或者通过其在步骤S32’训练获得的以所述视觉需求信息作为参数的支持向量机(SVM)进行概率预测，获得相应的相似概率值；该等相似概率值即可表征所述图片与用户点击图片的相似度。例如，在步骤S32’中，相似度确定设备1通过对高斯混合模型进行训练，获取用户点击图片的视觉需求信息；在步骤S4’中，相似度确定设备1将其在步骤S1’获取的每个图片的相应图片特征信息输入该训练好的高斯混合模型进行计算，获得相应的相似概率值，该相似概率值即为每个图片与用户点击图片的图片相似度。又如，在步骤S4’中，相似度确定设备1将用户点击图片作为支持向量机(SVM)的正样本，并将随机图片作为该支持向量机(SVM)的负样本，基于颜色特征向量，通过该支持向量机(SVM)对其在步骤S1’中所获取的每个图片计算相似概率，并得到相应图片与用户点击图片的图片相似度。本领域技术人员应能理解上述确定图片相似度的方式仅为举例，其他现有的或今后可能出现的确定图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在一个优选实施例中(参见图4)，在步骤S32’中，相似度确定设备1还当其在步骤S31’中提取的多个图片特征信息中的至少一个图片特征信息的集中度超过其相应的预设集中度阈值时，根据这(些)超过相应预设集中度阈值的图片特征信息，获取用户点击图片的视觉需求信息。例如，假设用户点击图片的图片特征信息包括颜色特征值、纹理特征值和形状特征值，每个图片特征信息的集中度都对应一个预设集中度阈值，并且这些用户点击图片的颜色特征值集中度和纹理特征值集中度都超过了其对应的预设集中度阈值，则相似度确定设备1获取这些用户点击图片的颜色特征值集中区间和纹理特征值集中区间作为用户点击图片的视觉需求信息。本领域技术人员应能理解上述获取视觉需求信息的方式仅为举例，其他现有的或今后可能出现的获取视觉需求信息的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在另一个优选实施例中(参见图4)，该过程还包括步骤S5’(未示出)，在步骤S5’中，相似度确定设备1根据用户点击图片的图片特征信息中每个图片特征信息的集中度，确定用户点击图片的相应视觉需求信息中每个视觉需求信息的权重；随后，在步骤S4’中，相似度确定设备1还根据用户点击图片的视觉需求信息，并结合每个视觉需求信息的权重，确定其在步骤S1’中获取的图片与用户点击图片的图片相似度。例如，假设用户点击图片的图片特征信息包括颜色特征信息、纹理特征信息和形状特征信息，每个图片特征信息对应一个集中度，在步骤S5’中，相似度确定设备1根据每个图片特征信息的集中度，确定该图片特征信息所对应的视觉需求信息的权重，如颜色特征信息、纹理特征信息和形状特征信息的集中度分别为1、2、2，相应的视觉需求信息中颜色需求信息、纹理需求信息和形状需求信息的权重分别为0.2、0.4、0.4；在步骤S4’中，相似度确定设备1根据用户点击图片的视觉需求信息，获得其在步骤S1’中获取的每个图片与用户点击图片的颜色相似概率值、纹理相似概率值和形状相似概率值，结合用户点击图片的每个视觉需求信息的权重，获得每个图片与用户点击图片的图片相似度＝0.2*颜色相似概率值+0.4*纹理相似概率值+0.4*形状相似概率值。本领域技术人员应能理解上述确定各项视觉需求信息的权重以及图片相似度的方式仅为举例，其他现有的或今后可能出现的确定各项视觉需求信息的权重或者图片相似度的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
在再一个优选实施例中(参见图3)，该过程还包括步骤S6(未示出)，在步骤S6中，相似度确定设备1根据其在步骤S1中获取的图片中至少一个图片的文本权值，结合其在步骤S4中确定的这(些)图片的图片相似度，加权获得相应图片的权值。例如，假设相似度确定设备1获取的4个图片的文本权值分别为20、30、40、50；相似度确定设备1对其在步骤S4中确定的相应图片的图片相似度归一化后，获得归一化后的图片相似度分别为30、50、40、40，如果文本权值和图片相似度的权重相同，则相似度确定设备1确定这4个图片的权值分别为25、40、40、45。本领域技术人员应能理解上述确定图片权值的方式仅为举例，其他现有的或今后可能出现的确定图片权值的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，该过程还包括步骤S7(未示出)，在步骤S7中，相似度确定设备1根据其在步骤S4中确定的图片相似度，更新其在步骤S1中获取的图片中至少一个图片的权值。例如，假设查询关键词所对应的图片已经获得权值，如基于文本权值、图片相似度或两者结合的权值，在下一更新周期到达时，相似度确定设备1根据新获得的该查询关键词所对应的用户点击图片，确定该查询关键词所对应的所有图片分别与这些新的用户点击图片的图片相似度1，将该图片相似度1作为增量，对相应图片的权值进行增加，以分别更新该查询关键词所对应的所有图片的权值。又如，在特定更新事件发生时，如人工启动图片的权值更新操作，相似度确定设备1根据新获得的该查询关键词所对应的用户点击图片，以及该查询关键词原来所对应的用户点击图片，重新确定该查询关键词所对应的所有图片分别与这些新获得的和原来的用户点击图片的图片相似度2，根据该查询关键词所对应的所有图片的文本权值和图片相似度2，更新该查询关键词所对应的所有图片的权值。本领域技术人员应能理解上述更新图片权值的方式仅为举例，其他现有的或今后可能出现的更新图片权值的方式如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
优选地，所述视觉需求信息基于但不限于，以下至少任一项：
1)颜色需求信息；
2)纹理需求信息；
3)形状需求信息；
4)空间需求信息；
5)图片主题需求信息。
具体地，在步骤S2中，相似度确定设备1获取的视觉需求信息基于但不限于，以下至少任一项：1)颜色需求信息，基于相似度确定设备1获取的用户点击图片中的颜色特征信息，可以通过对这些用户点击图片的颜色特征信息的统计分析得到；例如，统计用户点击图片的颜色特征信息的集中区间，如颜色特征信息的个数以及覆盖比例均达到其相应的预设阈值时，这些颜色特征信息所对应的特定集中区间，该特定集中区间即为用户点击图片的颜色需求信息；此外，还可以通过高斯混合模型或者支持向量机(SVM)获得用户点击图片的颜色需求信息。2)纹理需求信息，基于相似度确定设备1获取的用户点击图片中的纹理特征信息；3)形状需求信息，基于相似度确定设备1获取的用户点击图片中的形状特征信息；4)空间需求信息，基于相似度确定设备1获取的用户点击图片中的空间特征信息；5)图片主题需求信息，基于相似度确定设备1获取的用户点击图片中的图片主题类型信息。在此，本领域技术人员应能理解，上述纹理需求信息、形状需求信息、空间需求信息、图片主题需求信息的获取方式与颜色需求信息的获取方式相类似，均可以通过对相应特征信息的统计分析获得，为简明起见，在此不再赘述，以引用方式包含于此。本领域技术人员还应能理解上述各项视觉需求信息仅为举例，其他现有的或今后可能出现的视觉需求信息如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (20)
1.一种计算机实现的用于确定图片相似度的方法，其中，该方法包括以下步骤：
a从图片索引库中获取与查询关键词相对应的图片；
b获取所述图片中的用户点击图片；
c根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；
d根据所述视觉需求信息，确定所述图片与所述用户点击图片的图片相似度。
2.根据权利要求1所述的方法，其中，所述步骤c还包括：
c 1根据所述用户点击图片，提取所述用户点击图片的图片特征信息；
c2根据所述图片特征信息，获取所述视觉需求信息。
3.根据权利要求2所述的方法，其中，所述步骤c2还包括：
-根据所述图片特征信息，通过高斯混合模型或支持向量机，获取所述视觉需求信息。
4.根据权利要求3所述的方法，其中，所述步骤d还包括：
-根据所述视觉需求信息，通过所述高斯混合模型或所述支持向量机，确定所述图片相似度。
5.根据权利要求2至4中任一项所述的方法，其中，所述步骤c2还包括：
-当所述图片特征信息中至少一个的集中度超过其相应的预设集中度阈值时，根据所述图片特征信息中至少一个，获取所述视觉需求信息。
6.根据权利要求2至5中任一项所述的方法，其中，该方法还包括：
x根据所述图片特征信息中每一个的集中度，确定所述视觉需求信息中每一个的权重；
其中，所述步骤d还包括：
-根据所述视觉需求信息，并结合所述视觉需求信息中每一个的权重，确定所述图片相似度。
7.根据权利要求1至6中任一项所述的方法，其中，该方法还包括：
-根据所述图片中至少一个的文本权值，结合所述图片相似度，加权获得所述图片中至少一个的权值。
8.根据权利要求1至7中任一项所述的方法，其中，该方法还包括：
-根据所述图片相似度，更新所述图片中至少一个的权值。
9.根据权利要求1至8中任一项所述的方法，其中，所述视觉需求信息基于以下至少任一项：
-颜色需求信息；
-纹理需求信息；
-形状需求信息；
-空间需求信息；
-图片主题需求信息。
10.一种用于确定图片相似度的设备，其中，该设备包括：
图片获取装置，用于从图片索引库中获取与查询关键词相对应的图片；
记录获取装置，用于获取所述图片中的用户点击图片；
需求获取装置，用于根据所述用户点击图片，获取与所述查询关键词相对应的视觉需求信息；
相似度确定装置，用于根据所述视觉需求信息，确定所述图片与所述用户点击图片的图片相似度。
11.根据权利要求10所述的设备，其中，所述需求获取装置还包括：
信息提取单元，用于根据所述用户点击图片，提取所述用户点击图片的图片特征信息；
需求获取单元，用于根据所述图片特征信息，获取所述视觉需求信息。
12.根据权利要求11所述的设备，其中，所述需求获取单元还用于：
-根据所述图片特征信息，通过高斯混合模型或支持向量机，获取所述视觉需求信息。
13.根据权利要求12所述的设备，其中，所述相似度确定装置还用于：
-根据所述视觉需求信息，通过所述高斯混合模型或所述支持向量机，确定所述图片相似度。
14.根据权利要求11至13中任一项所述的设备，其中，所述需求获取单元还用于：
-当所述图片特征信息中至少一个的集中度超过其相应的预设集中度阈值时，根据所述图片特征信息中至少一个，获取所述视觉需求信息。
15.根据权利要求11至14中任一项所述的设备，其中，该设备还包括：
权重确定装置，用于根据所述图片特征信息中每一个的集中度，确定所述视觉需求信息中每一个的权重；
其中，所述相似度确定装置还用于：
-根据所述视觉需求信息，并结合所述视觉需求信息中每一个的权重，确定所述图片相似度。
16.根据权利要求10至15中任一项所述的设备，其中，该设备还包括：
权值获取装置，用于根据所述图片中至少一个的文本权值，结合所述图片相似度，加权获得所述图片中至少一个的权值。
17.根据权利要求10至16中任一项所述的设备，其中，该设备还包括：
权值更新装置，用于根据所述图片相似度，更新所述图片中至少一个的权值。
18.根据权利要求10至17中任一项所述的设备，其中，所述视觉需求信息基于以下至少任一项：
-颜色需求信息；
-纹理需求信息；
-形状需求信息；
-空间需求信息；
-图片主题需求信息。
19.一种用于确定图片相似度的搜索引擎，其中，该搜索引擎包括如权利要求10至18中任一项所述的装置。
20.根据权利要求19所述的搜索引擎，其中，该搜索引擎在基于查询关键词根据图片索引库中图片的权值提供图片搜索结果时，还提供所述图片搜索结果的图片相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011101800208A CN102855245A (zh) | 2011-06-28 | 2011-06-28 | 一种用于确定图片相似度的方法与设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011101800208A CN102855245A (zh) | 2011-06-28 | 2011-06-28 | 一种用于确定图片相似度的方法与设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102855245A true CN102855245A (zh) | 2013-01-02 |
Family
ID=47401838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011101800208A Pending CN102855245A (zh) | 2011-06-28 | 2011-06-28 | 一种用于确定图片相似度的方法与设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102855245A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744970A (zh) * | 2014-01-10 | 2014-04-23 | 北京奇虎科技有限公司 | 一种确定图片的主题词的方法及装置 |
| CN104123321A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术（北京）有限公司 | 一种确定推荐图片的方法及装置 |
| CN104283842A (zh) * | 2013-07-02 | 2015-01-14 | 中兴通讯股份有限公司 | 主题管理方法及系统 |
| CN104881798A (zh) * | 2015-06-05 | 2015-09-02 | 北京京东尚科信息技术有限公司 | 基于商品图像特征的个性化搜索装置及方法 |
| CN106355183A (zh) * | 2016-08-16 | 2017-01-25 | 珠海市魅族科技有限公司 | 检测主题文件相似度的方法及装置 |
| CN107909054A (zh) * | 2017-11-30 | 2018-04-13 | 任艳 | 图片文本的相似度评价方法及装置 |
| CN109063656A (zh) * | 2018-08-08 | 2018-12-21 | 厦门市美亚柏科信息股份有限公司 | 一种利用多个人脸引擎进行人脸查询的方法及装置 |
| CN110909190A (zh) * | 2019-11-18 | 2020-03-24 | 惠州Tcl移动通信有限公司 | 数据搜索方法、装置、电子设备及存储介质 |
| WO2021244138A1 (zh) * | 2020-06-04 | 2021-12-09 | Oppo广东移动通信有限公司 | 表盘生成方法、装置、电子设备和计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924855A (zh) * | 2006-09-18 | 2007-03-07 | 浙江大学 | 图像搜索引擎中的排名方法 |
| GB2457515A (en) * | 2005-09-30 | 2009-08-19 | Iac Search & Media Inc | Similarity detection and clustering of images |
| US20090313239A1 (en) * | 2008-06-16 | 2009-12-17 | Microsoft Corporation | Adaptive Visual Similarity for Text-Based Image Search Results Re-ranking |
| CN101751447A (zh) * | 2009-07-22 | 2010-06-23 | 中国科学院自动化研究所 | 基于语义分析的网络图像检索方法 |
| CN101853295A (zh) * | 2010-05-28 | 2010-10-06 | 天津大学 | 一种图像检索方法 |
| CN102103700A (zh) * | 2011-01-18 | 2011-06-22 | 南京邮电大学 | 基于陆地移动距离的相似度检测图像型垃圾邮件的方法 |
-
2011
- 2011-06-28 CN CN2011101800208A patent/CN102855245A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2457515A (en) * | 2005-09-30 | 2009-08-19 | Iac Search & Media Inc | Similarity detection and clustering of images |
| CN1924855A (zh) * | 2006-09-18 | 2007-03-07 | 浙江大学 | 图像搜索引擎中的排名方法 |
| US20090313239A1 (en) * | 2008-06-16 | 2009-12-17 | Microsoft Corporation | Adaptive Visual Similarity for Text-Based Image Search Results Re-ranking |
| CN101751447A (zh) * | 2009-07-22 | 2010-06-23 | 中国科学院自动化研究所 | 基于语义分析的网络图像检索方法 |
| CN101853295A (zh) * | 2010-05-28 | 2010-10-06 | 天津大学 | 一种图像检索方法 |
| CN102103700A (zh) * | 2011-01-18 | 2011-06-22 | 南京邮电大学 | 基于陆地移动距离的相似度检测图像型垃圾邮件的方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104123321A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术（北京）有限公司 | 一种确定推荐图片的方法及装置 |
| CN104123321B (zh) * | 2013-04-28 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 一种确定推荐图片的方法及装置 |
| CN104283842A (zh) * | 2013-07-02 | 2015-01-14 | 中兴通讯股份有限公司 | 主题管理方法及系统 |
| CN104283842B (zh) * | 2013-07-02 | 2019-06-25 | 中兴通讯股份有限公司 | 主题管理方法及系统 |
| CN103744970A (zh) * | 2014-01-10 | 2014-04-23 | 北京奇虎科技有限公司 | 一种确定图片的主题词的方法及装置 |
| CN104881798A (zh) * | 2015-06-05 | 2015-09-02 | 北京京东尚科信息技术有限公司 | 基于商品图像特征的个性化搜索装置及方法 |
| CN106355183A (zh) * | 2016-08-16 | 2017-01-25 | 珠海市魅族科技有限公司 | 检测主题文件相似度的方法及装置 |
| CN107909054A (zh) * | 2017-11-30 | 2018-04-13 | 任艳 | 图片文本的相似度评价方法及装置 |
| CN109063656A (zh) * | 2018-08-08 | 2018-12-21 | 厦门市美亚柏科信息股份有限公司 | 一种利用多个人脸引擎进行人脸查询的方法及装置 |
| CN110909190A (zh) * | 2019-11-18 | 2020-03-24 | 惠州Tcl移动通信有限公司 | 数据搜索方法、装置、电子设备及存储介质 |
| CN110909190B (zh) * | 2019-11-18 | 2022-12-09 | 惠州Tcl移动通信有限公司 | 数据搜索方法、装置、电子设备及存储介质 |
| WO2021244138A1 (zh) * | 2020-06-04 | 2021-12-09 | Oppo广东移动通信有限公司 | 表盘生成方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102855245A (zh) | 一种用于确定图片相似度的方法与设备 | |
| US10268703B1 (en) | System and method for associating images with semantic entities | |
| CN102549603B (zh) | 基于相关性的图像选择 | |
| US20190026268A1 (en) | Associating still images and videos | |
| US8775401B2 (en) | Shape based picture search | |
| AU2009347535B2 (en) | Co-selected image classification | |
| US10210179B2 (en) | Dynamic feature weighting | |
| CN103136228A (zh) | 一种图片搜索方法以及图片搜索装置 | |
| CN105095187A (zh) | 一种搜索意图识别方法及装置 | |
| US20100114888A1 (en) | Digital image retrieval by aggregating search results based on visual annotations | |
| US20150178321A1 (en) | Image-based 3d model search and retrieval | |
| US8527564B2 (en) | Image object retrieval based on aggregation of visual annotations | |
| CN104298749A (zh) | 一种图像视觉和文本语义融合商品检索方法 | |
| JP6428795B2 (ja) | モデル生成方法、単語重み付け方法、モデル生成装置、単語重み付け装置、デバイス、コンピュータプログラム及びコンピュータ記憶媒体 | |
| CN104834693A (zh) | 基于深度搜索的视觉图像检索方法及系统 | |
| CN109460519B (zh) | 浏览对象推荐方法及装置、存储介质、服务器 | |
| CN103049496B (zh) | 一种对多个用户进行用户群划分的方法、装置与设备 | |
| CN103631794A (zh) | 一种用于对搜索结果进行排序的方法、装置与设备 | |
| CN109255000B (zh) | 一种标签数据的维度管理方法及装置 | |
| CN102890700A (zh) | 一种基于体育比赛视频的相似视频片段检索方法 | |
| CN102402589A (zh) | 一种提供与搜索请求相关的参考搜索信息的方法与设备 | |
| CN104142995A (zh) | 基于视觉属性的社会事件识别方法 | |
| KR100876214B1 (ko) | 문맥기반 광고 장치와 그 방법 및 이를 구현할 수 있는컴퓨터로 읽을 수 있는 기록 매체 | |
| CN110674313B (zh) | 一种基于用户日志动态更新知识图谱的方法 | |
| US9424338B2 (en) | Clustering queries for image search |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130102 |