CN107766492A - 一种图像搜索的方法和装置 - Google Patents
一种图像搜索的方法和装置 Download PDFInfo
- Publication number
- CN107766492A CN107766492A CN201710970829.8A CN201710970829A CN107766492A CN 107766492 A CN107766492 A CN 107766492A CN 201710970829 A CN201710970829 A CN 201710970829A CN 107766492 A CN107766492 A CN 107766492A
- Authority
- CN
- China
- Prior art keywords
- picture
- characteristic value
- floating type
- searched
- value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种图像搜索方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;根据压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定待搜索图片与多个索引图片之间的相似度;根据相似度,从多个索引图片中获得搜索结果。该实施方式不仅可以节省索引图片所占用的内存空间,而且克服了现有技术中图像搜索的搜索效率低的技术问题,达到了提高图像搜索的搜索效率的技术效果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像搜索的方法和装置。
背景技术
传统的基于文字或语言的搜索在某些场景(如在电商领域或其他领域)下,由于用户难以准确描述搜索意图,往往带来体验较差、满意度较低的搜索结果。
目前,基于图片内容的搜索可以很好地解决这个问题。例如,用户只需上传一张实物图片,搜索引擎就可以根据图片的内容返回一些与实物相同或者相似的商品。而且,随着智能手机、计算机硬件、网络硬件等设备及相关技术的快速发展,图像搜索技术在包括电子商务在内的诸多领域中已经受到越来越多人们的喜爱与关注。
具体的,图像搜索的技术手段主要是把图像中的关键信息(如款式、颜色等)转换成数值型的多维特征向量,然后把这些信息加载到内存中,用户实时请求基于内存中的数据进行召回即可。但是,随着离线处理图片的数量增加,转换后的图片信息所占用的内存也随之增加(即内存中的多维特征向量越来越多)。在这种情况下,压缩图片对应的多维特征向量是主要的处理手段之一。目前的压缩技术主要有浮点数序列的压缩等。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
通过现有的浮点数序列的压缩方法在后续计算时,还需要通过解压缩来得到原始值,导致搜索的效率降低。
因此,如何提高图像搜索的搜索效率,是亟待解决的技术问题。
发明内容
有鉴于此,本发明实施例提供一种图像搜索的方法和装置,能够节省索引图片所占用的内存空间,提高图像搜索的搜索效率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种图像搜索的方法。
本发明实施例的一种图像搜索的方法包括:获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;根据压缩后的特征向量和保存的多个索引图片的特征向量之间的,距离确定待搜索图片与多个索引图片之间的相似度;其中,索引图片的特征向量与待搜索图片的特征向量具有相同的维度;根据相似度,从多个索引图片中获得搜索结果。
可选地,本发明的实施例对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量的步骤包括针对特征向量中的每个浮点型特征值执行如下步骤:对浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若浮点型特征值为正,则将浮点型特征值加1的结果作为处理后的浮点型特征值,若浮点型特征值为负,则将浮点型特征值减1的结果作为处理后的浮点型特征值;将处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;基于压缩比,从转换后的浮点型特征值中提取与压缩比相对应的尾数位;拼接符号位和尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为待搜索图片的特征值。
可选地,本发明的实施例确定待搜索图片与多个索引图片之间的相似度的步骤包括针对压缩后的特征向量和索引图片的特征向量中的对应的特征值执行如下步骤:将待搜索图片的特征值以及索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;当判断结果为是时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的和作为比较的结果;根据比较的结果确定相似度。
可选地,本发明的实施例根据比较的结果确定相似度的步骤包括:基于比较的结果,利用欧式距离确定出待搜索图片与多个索引图片之间的相似度。
为实现上述目的,根据本发明实施例的另一方面,提供了一种图像搜索的装置。
本发明实施例的一种图像搜索的装置包括:处理模块,用于获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;相似度计算模块,用于根据压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定待搜索图片与多个索引图片之间的相似度;其中,索引图片的特征向量与待搜索图片的特征向量具有相同的维度;确定模块,用于根据相似度,从多个索引图片中获得搜索结果。
可选地,本发明实施例的处理模块用于:对浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若浮点型特征值为正,则将浮点型特征值加1的结果作为处理后的浮点型特征值,若浮点型特征值为负,则将浮点型特征值减1的结果作为处理后的浮点型特征值;将处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;基于压缩比,从转换后的浮点型特征值中提取与压缩比相对应的尾数位;拼接符号位和尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为待搜索图片的特征值。
可选地,本发明实施例的相似度计算模块用于:将待搜索图片的特征值以及索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;当判断结果为是时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的和作为比较的结果;根据比较的结果确定相似度。
可选地,本发明实施例的相似度计算模块还用于:基于比较的结果,利用欧式距离确定出待搜索图片与多个索引图片之间的相似度。
为实现上述目的,根据本发明实施例的再一方面,提供了一种图像搜索的方法的电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例图像搜索的方法。
为实现上述目的,根据本发明实施例的又一方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的图像搜索的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用直接对待搜索图片的特征向量的浮点型特征值进行压缩,然后与多个索引图片进行对比,从而确定出搜索结果的技术手段,所以克服了现有技术中图像搜索的搜索效率低的技术问题,进而达到提高图像搜索的搜索效率的技术效果;进一步的,本发明通过对浮点型特征值进行压缩,可以减小占用的内存空间。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种图像搜索的方法的主要流程的示意图;
图2是根据本发明实施例的浮点型特征值压缩的流程示意图;
图3是根据本发明实施例的获得搜索结果的流程示意图;
图4是根据本发明实施例的一种图像搜索的装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种图像搜索的方法的主要流程的示意图,如图1所示,本发明实施例的一种图像搜索的方法主要包括如下步骤:
步骤S101:获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量。通过对待搜索图片进行特征提取来获取待搜索图片对应的特征向量,该特征向量由多个浮点型特征值组成,然后通过对每个浮点型特征值进行压缩,进而达到对特征向量的压缩的目的,可以减小占用的内存空间,在后续进行搜索时,可以有效提高搜索的效率。
在本发明中上述步骤S101具体可按如下步骤进行:对浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若浮点型特征值为正,则将浮点型特征值加1的结果作为处理后的浮点型特征值,若浮点型特征值为负,则将浮点型特征值减1的结果作为处理后的浮点型特征值;将处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;基于压缩比,从转换后的浮点型特征值中提取与压缩比相对应的尾数位;拼接符号位和尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为待搜索图片的特征值。该方法即为一次完整的压缩方法,压缩后的多个特征值组成了待搜索图片压缩后的特征向量。通过该压缩的方法,可以将待搜索图片的特征向量进行压缩,使压缩后的特征向量具有占用空间小的特点。当然,也可以预先通过该方法对多个索引图片中的浮点型特征值进行压缩,以节省内存空间,进而达到减少内从占用、提高搜索效率的目的。
需要说明的是,本发明仅关注特征向量间的相对大小而非真实大小,在对特征向量进行压缩的过程中不会改变特征向量间的相对大小,因此,在后续利用该压缩后的特征向量进行比较的时候也不需要解压缩处理,进一步的提高了搜索效率。
步骤S102:根据压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定待搜索图片与多个索引图片之间的相似度。其中,索引图片的特征向量与待搜索图片的特征向量具有相同的维度,也即索引图片的特征向量中包含的特征值的个数与待搜索图片的特征向量中包含的特征值个数是相等的,该特征值均是通过对特征向量中的浮点型特征值进行压缩得到的。本步骤是将待搜索图片的特征向量中的多个特征值与多个索引图片的特征向量中的多个特征值进行比较的。通过步骤S101获得到压缩后的待搜索图片的特征值,然后依次与多个索引图片的特征值进行比较,会得到待搜索图片与多个索引图片的比较结果,在本发明的实施方式中,比较的步骤可以如下:将待搜索图片的特征值以及索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;当判断结果为是时,将转换后的待搜索图片的特征值中的尾数位与转换后的索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将转换后的待搜索图片的特征值中的尾数位与转换后的索引图片的特征值中的尾数位的和作为比较的结果。通过比较,可以得到多个关于特征值的比较结果,也即一组关于特征向量的比较结果。
由于预先对索引图片的特征向量进行了压缩,在利用压缩后的待搜索图片的特征向量与内存中的多个索引图片的特征向量进行比较时,提高了比较的效率。
进一步的,根据比较的结果确定相似度,在本发明中根据比较的结果确定相似度的步骤包括:基于比较的结果,利用欧式距离确定出待搜索图片与多个索引图片之间的相似度。具体的,确定待搜索图片的特征向量分别和每个索引图片的特征向量之间的欧氏距离,得到了多个欧氏距离,该多个欧氏距离即表示待搜索图片分别与多个索引图片中各索引图片之间的相似度。将待搜索图片与多个索引图片之间的特征值比较结果转换成待搜索图片与多个索引图片之间的相似度。需要指出的是,本发明所采用的欧氏距离仅是一个优选的方式,还可以采用现有技术中的其他方式来确定相似度,例如街区距离、无穷范数、直方图相交、二次式距离、马氏距离、EMD距离等等,于此不再赘述。
步骤S103:根据相似度,从多个索引图片中获得搜索结果。可以从相似度中选取最大的一个或多个相似度所对应的索引图片为搜索结果(例如,将相似度进行排序,选择最大的一个或多个相似度);也可以从相似度中选取大于预设阈值的相似度所对应的索引图片为搜索结果(例如,有多个大于预设阈值的相似度)。将获得的一个或多个搜索结果返回,可以使用户进行自主选择。
图2是根据本发明实施例的浮点型特征值压缩的流程示意图。本发明解决了图像搜索中比较用户请求中的待搜索图片与索引库中的索引图片之间的相似度大小时,对特定范围(-1,1)内的浮点型特征值进行压缩的技术问题。需要指出的是,浮点数是属于有理数中某特定子集的数的数字表示,将浮点数转换成二进制的形式之后包括符号位、指数位以及尾数位,其中,第一位为符号位,第二至九位为指数位,第十至三十一位为尾数位。
如图2所示,为本发明将浮点型特征值压缩的方法,可以将待搜索图片的浮点型特征值进行压缩,也可以预先将多个索引图片的浮点型特征值进行压缩,对于任意一个属于(-1,1)范围内的浮点型特征值x,具体压缩流程如下:
1)输入浮点型特征值x;
2)根据x的正负情况,对x进行缩放。判断x的正负,如果x为正,将x扩大到(1,2)范围内;如果x为负,将x缩小到(-2,-1)范围内。例如:若x=0.5,则将其调整为1.5(即将浮点型特征值加1的结果作为处理后的浮点型特征值),若x=-0.5,则将其调整为-1.5(即则将浮点型特征值减1的结果作为处理后的浮点型特征值)。
3)提取x的符号位。首先将x表示成二进制形式,然后提取其符号位,并记为s。
4)根据压缩比k,提取x位数部分的前N位。根据具体应用设定的压缩比k的值对x进行提取。如k=1/2,代表压缩后的大小为原先的一半;k=1/4,代表压缩后的大小是原先的1/4。再根据k的取值,提取x的尾数部分的前N位(由浮点数的属性可知,从浮点型特征值的第十位开始提取前N位),记为t,如k取1/2时,提取x的尾数部分的前15位(即从第十位开始,至第二十四位止),k取1/4时,提取x的尾数部分的前7位(即从第十位开始,至第十六位止)。
5)拼接提取的符号位与尾数位,组成y。本步骤中,拼接s与t,并转化为十进制,结果记为y(即上述特征值),y即为压缩结果。
6)输出压缩结果y。
图3是根据本发明实施例的获得搜索结果的流程示意图。将通过上述步骤获得多个索引图片的特征值,以及待搜索图片的特征值进行比较计算,就可以从多个索引图片中确定出与待搜索图片最相似的图片。如图3所示,是将压缩后的待搜索图片的特征值,与预先压缩过的索引图片的特征值逐个进行比较的步骤,为了以示区分,将待搜索图片的特征值记为x,将索引图片的特征值记为y,具体流程如下:
1)输入任一维度的Query图片特征值x与索引图片的特征值y(即待搜索图片的特征值x与索引图片的特征值y)。
2)分别获取x、y的符号位的对应值s1、s2,以及除符号位外部分的对应值t1、t2。具体的,将x表示成二进制形式,记其中的符号位对应值为s1,其余部分对应值记为t1;将y表示成二进制形式,记其中的符号位对应值为s2,其余部分对应值记为t2。
3)根据s1与s2的情况,确定比较结果。具体为判断s1与s2是否相等,如果二者相等,计算t1与t2差值的绝对值,记为d;如果二者不相等,计算t1与t2的和值,记为d。
4)输出d,d即为压缩后的特征值x与y之间的“差值”。
通过上述步骤可以获得待搜索图片的特征值与多个索引图片的特征值之间的“差值”,从而根据这些“差值”确定出待搜索图片与多个索引图片之间的相似度,具体为:利用欧式距离,通过“差值”确定出待搜索图片与多个索引图片之间的相似度。当然,基于这些“差值”也可以是通过其他的公式或方法确定出待搜索图片与多个索引图片之间的相似度。需要指出的是,可以从相似度中选取最大的一个或多个相似度所对应的索引图片为搜索结果(例如,将相似度进行排序,选择最大的一个或多个相似度);也可以从相似度中选取大于预设阈值的相似度所对应的索引图片为搜索结果(例如,有多个大于预设阈值的相似度)。将获得的一个或多个搜索结果返回,可以使用户进行自主选择。
根据本发明实施例的图像搜索的方法可以看出,因为采用直接对待搜索图片的特征向量的浮点型特征值进行压缩,然后与多个索引图片进行对比,从而确定出搜索结果的技术手段,所以克服了现有技术中图像搜索的搜索效率低的技术问题,进而达到提高图像搜索的搜索效率的技术效果;进一步的,本发明通过对浮点型特征值进行压缩,可以减小占用的内存空间。
图4是根据本发明实施例的一种图像搜索的装置的主要模块的示意图。如图4所示,本发明实施例的图像搜索的装置400主要包括:处理模块401、相似度计算模块402以及确定模块403。其中:
处理模块401,用于获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;相似度计算模块402,用于根据压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定待搜索图片与多个索引图片之间的相似度;其中,索引图片的特征向量与待搜索图片的特征向量具有相同的维度;确定模块403,用于根据相似度,从多个索引图片中获得搜索结果。首先通过该压缩的方法,可以将待搜索图片的特征向量进行压缩,使压缩后的特征向量具有占用空间小的特点;其次,在利用压缩后的特征向量与内存中的索引图片的特征向量进行比较时,提高了比较的效率。
本发明实施例的处理模块401还可用于:对浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若浮点型特征值为正,则将浮点型特征值加1的结果作为处理后的浮点型特征值,若浮点型特征值为负,则将浮点型特征值减1的结果作为处理后的浮点型特征值;将处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;基于压缩比,从转换后的浮点型特征值中提取与压缩比相对应的尾数位;拼接符号位和尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为待搜索图片的特征值。
本发明实施例的相似度计算模块402用于:将待搜索图片的特征值以及索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;当判断结果为是时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将待搜索图片的特征值中的尾数位与索引图片的特征值中的尾数位的和作为比较的结果;根据比较的结果确定相似度。
本发明实施例的相似度计算模块402还可用于:基于比较的结果,利用欧式距离确定出待搜索图片与多个索引图片之间的相似度。可以从相似度中选取最大的一个或多个相似度所对应的索引图片为搜索结果;也可以从相似度中选取大于预设阈值的相似度所对应的索引图片为搜索结果。
从以上描述可以看出,因为采用直接对待搜索图片的特征向量的浮点型特征值进行压缩,然后与多个索引图片进行对比,从而确定出搜索结果的技术手段,所以克服了现有技术中图像搜索的搜索效率低的技术问题,进而达到提高图像搜索的搜索效率的技术效果;进一步的,本发明通过对浮点型特征值进行压缩,可以减小占用的内存空间。
图5示出了可以应用本发明实施例的图像搜索的方法或图像搜索的装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的图像搜索的方法一般由服务器505执行,相应地,图像搜索的装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括处理模块、相似度计算模块以及确定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取待搜索图片的特征向量,对特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;根据压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定待搜索图片与多个索引图片之间的相似度;其中,索引图片的特征向量与待搜索图片的特征向量具有相同的维度;根据相似度,从多个索引图片中获得搜索结果。
根据本发明实施例的技术方案,因为采用直接对待搜索图片的特征向量的浮点型特征值进行压缩,然后与多个索引图片进行对比,从而确定出搜索结果的技术手段,所以克服了现有技术中图像搜索的搜索效率低的技术问题,进而达到提高图像搜索的搜索效率的技术效果;进一步的,本发明通过对浮点型特征值进行压缩,可以减小占用的内存空间。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种图像搜索的方法,其特征在于,包括:
获取待搜索图片的特征向量,对所述特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;
根据所述压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定所述待搜索图片与所述多个索引图片之间的相似度;其中,所述索引图片的特征向量与所述待搜索图片的特征向量具有相同的维度;
根据所述相似度,从所述多个索引图片中获得搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量的步骤包括针对所述特征向量中的每个浮点型特征值执行如下步骤:
对所述浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若所述浮点型特征值为正,则将所述浮点型特征值加1的结果作为处理后的浮点型特征值,若所述浮点型特征值为负,则将所述浮点型特征值减1的结果作为处理后的浮点型特征值;
将所述处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;
基于压缩比,从所述转换后的浮点型特征值中提取与所述压缩比相对应的尾数位;
拼接所述符号位和所述尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为所述待搜索图片的特征值。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述待搜索图片与所述多个索引图片之间的相似度的步骤包括针对所述压缩后的特征向量和所述索引图片的特征向量中的对应的特征值执行如下步骤:
将所述待搜索图片的特征值以及所述索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;
当判断结果为是时,将所述待搜索图片的特征值中的尾数位与所述索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将所述待搜索图片的特征值中的尾数位与所述索引图片的特征值中的尾数位的和作为比较的结果;
根据比较的结果确定所述相似度。
4.根据权利要求3所述的方法,其特征在于,所述根据比较的结果确定所述相似度的步骤包括:
基于所述比较的结果,利用欧式距离确定出所述待搜索图片与所述多个索引图片之间的相似度。
5.一种图像搜索的装置,其特征在于,包括:
处理模块,用于获取待搜索图片的特征向量,对所述特征向量中的浮点型特征值进行压缩以得到压缩后的特征向量;
相似度计算模块,用于根据所述压缩后的特征向量和保存的多个索引图片的特征向量之间的距离,确定所述待搜索图片与所述多个索引图片之间的相似度;其中,所述索引图片的特征向量与所述待搜索图片的特征向量具有相同的维度;
确定模块,用于根据所述相似度,从所述多个索引图片中获得搜索结果。
6.根据权利要求5所述的装置,其特征在于,所述处理模块还用于:
对所述浮点型特征值进行处理以得到处理后的浮点型特征值,其中,若所述浮点型特征值为正,则将所述浮点型特征值加1的结果作为处理后的浮点型特征值,若所述浮点型特征值为负,则将所述浮点型特征值减1的结果作为处理后的浮点型特征值;
将所述处理后的浮点型特征值转换成二进制形式,然后提取转换后的浮点型特征值的符号位;
基于压缩比,从所述转换后的浮点型特征值中提取与所述压缩比相对应的尾数位;
拼接所述符号位和所述尾数位,然后将拼接后的值进行十进制形式转换,以转换后的值为所述待搜索图片的特征值。
7.根据权利要求5或6所述的装置,其特征在于,所述相似度计算模块还用于:
将所述待搜索图片的特征值以及所述索引图片的特征值转换成二进制形式,判断转换后的待搜索图片的特征值中的符号位与转换后的索引图片的特征值中的符号位是否相等;
当判断结果为是时,将所述待搜索图片的特征值中的尾数位与所述索引图片的特征值中的尾数位的差值的绝对值作为比较的结果;当判断结果为否时,将所述待搜索图片的特征值中的尾数位与所述索引图片的特征值中的尾数位的和作为比较的结果;
根据比较的结果确定所述相似度。
8.根据权利要求7所述的装置,其特征在于,所述相似度计算模块还用于:
基于所述比较的结果,利用欧式距离确定出所述待搜索图片与所述多个索引图片之间的相似度。
9.一种图像搜索的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710970829.8A CN107766492B (zh) | 2017-10-18 | 2017-10-18 | 一种图像搜索的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710970829.8A CN107766492B (zh) | 2017-10-18 | 2017-10-18 | 一种图像搜索的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766492A true CN107766492A (zh) | 2018-03-06 |
CN107766492B CN107766492B (zh) | 2020-07-31 |
Family
ID=61269883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710970829.8A Active CN107766492B (zh) | 2017-10-18 | 2017-10-18 | 一种图像搜索的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766492B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536753A (zh) * | 2018-03-13 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 重复信息的确定方法及相关装置 |
CN108733780A (zh) * | 2018-05-07 | 2018-11-02 | 浙江大华技术股份有限公司 | 一种图片搜索方法及装置 |
CN110084268A (zh) * | 2019-03-18 | 2019-08-02 | 浙江大华技术股份有限公司 | 图像比对方法、人脸识别方法及装置、计算机存储介质 |
CN110727815A (zh) * | 2018-07-16 | 2020-01-24 | 浙江大华技术股份有限公司 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
CN110968723A (zh) * | 2018-09-29 | 2020-04-07 | 深圳云天励飞技术有限公司 | 一种图像特征值的搜索方法、装置及电子设备 |
CN111177438A (zh) * | 2018-11-12 | 2020-05-19 | 深圳云天励飞技术有限公司 | 图像特征值的搜索方法、装置、电子设备及存储介质 |
CN113094539A (zh) * | 2019-12-23 | 2021-07-09 | 深圳云天励飞技术有限公司 | 一种图像数据的搜索方法、装置、电子设备及存储介质 |
CN113505253A (zh) * | 2021-07-03 | 2021-10-15 | 北京中建建筑科学研究院有限公司 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005339075A (ja) * | 2004-05-26 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像探索装置、画像探索方法、この方法のプログラム及びこのプログラムを記録した記録媒体 |
CN101493813A (zh) * | 2008-01-25 | 2009-07-29 | 北京新岸线网络技术有限公司 | 基于内容的视频检索方法及其实现 |
US20120110025A1 (en) * | 2010-10-28 | 2012-05-03 | Qualcomm Incorporated | Coding order-independent collections of words |
CN103914561A (zh) * | 2014-04-16 | 2014-07-09 | 北京酷云互动科技有限公司 | 一种图像搜索方法和装置 |
CN104679863A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于深度学习的以图搜图方法和系统 |
CN105513100A (zh) * | 2015-12-03 | 2016-04-20 | 广州一刻影像科技有限公司 | 一种自动选择图片压缩质量并压缩图片的方法 |
CN106528662A (zh) * | 2016-10-20 | 2017-03-22 | 中山大学 | 一种基于特征几何约束的车辆图像快速检索方法与系统 |
CN107247730A (zh) * | 2017-05-04 | 2017-10-13 | 北京奇艺世纪科技有限公司 | 图片搜索方法及装置 |
-
2017
- 2017-10-18 CN CN201710970829.8A patent/CN107766492B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005339075A (ja) * | 2004-05-26 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像探索装置、画像探索方法、この方法のプログラム及びこのプログラムを記録した記録媒体 |
CN101493813A (zh) * | 2008-01-25 | 2009-07-29 | 北京新岸线网络技术有限公司 | 基于内容的视频检索方法及其实现 |
US20120110025A1 (en) * | 2010-10-28 | 2012-05-03 | Qualcomm Incorporated | Coding order-independent collections of words |
CN103914561A (zh) * | 2014-04-16 | 2014-07-09 | 北京酷云互动科技有限公司 | 一种图像搜索方法和装置 |
CN104679863A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于深度学习的以图搜图方法和系统 |
CN105513100A (zh) * | 2015-12-03 | 2016-04-20 | 广州一刻影像科技有限公司 | 一种自动选择图片压缩质量并压缩图片的方法 |
CN106528662A (zh) * | 2016-10-20 | 2017-03-22 | 中山大学 | 一种基于特征几何约束的车辆图像快速检索方法与系统 |
CN107247730A (zh) * | 2017-05-04 | 2017-10-13 | 北京奇艺世纪科技有限公司 | 图片搜索方法及装置 |
Non-Patent Citations (1)
Title |
---|
CAO,YI等: "Image compression and retrieval for Mobile Visual Search", 《IEEE》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536753A (zh) * | 2018-03-13 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 重复信息的确定方法及相关装置 |
CN108733780B (zh) * | 2018-05-07 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种图片搜索方法及装置 |
CN108733780A (zh) * | 2018-05-07 | 2018-11-02 | 浙江大华技术股份有限公司 | 一种图片搜索方法及装置 |
US11409984B2 (en) | 2018-05-07 | 2022-08-09 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image searching |
CN110727815A (zh) * | 2018-07-16 | 2020-01-24 | 浙江大华技术股份有限公司 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
CN110727815B (zh) * | 2018-07-16 | 2024-01-30 | 浙江大华技术股份有限公司 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
CN110968723A (zh) * | 2018-09-29 | 2020-04-07 | 深圳云天励飞技术有限公司 | 一种图像特征值的搜索方法、装置及电子设备 |
CN110968723B (zh) * | 2018-09-29 | 2023-05-12 | 深圳云天励飞技术有限公司 | 一种图像特征值的搜索方法、装置及电子设备 |
CN111177438A (zh) * | 2018-11-12 | 2020-05-19 | 深圳云天励飞技术有限公司 | 图像特征值的搜索方法、装置、电子设备及存储介质 |
CN111177438B (zh) * | 2018-11-12 | 2023-05-12 | 深圳云天励飞技术有限公司 | 图像特征值的搜索方法、装置、电子设备及存储介质 |
CN110084268A (zh) * | 2019-03-18 | 2019-08-02 | 浙江大华技术股份有限公司 | 图像比对方法、人脸识别方法及装置、计算机存储介质 |
CN113094539A (zh) * | 2019-12-23 | 2021-07-09 | 深圳云天励飞技术有限公司 | 一种图像数据的搜索方法、装置、电子设备及存储介质 |
CN113505253A (zh) * | 2021-07-03 | 2021-10-15 | 北京中建建筑科学研究院有限公司 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
CN113505253B (zh) * | 2021-07-03 | 2022-07-05 | 北京中建建筑科学研究院有限公司 | 基于区块链的图片上传方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107766492B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766492A (zh) | 一种图像搜索的方法和装置 | |
CN107590255A (zh) | 信息推送方法和装置 | |
US20210319243A1 (en) | Image processing method and apparatus, computer-readable medium, and electronic device | |
US11556572B2 (en) | Systems and methods for coverage analysis of textual queries | |
CN107105031A (zh) | 信息推送方法和装置 | |
CN109697641A (zh) | 计算商品相似度的方法和装置 | |
CN113434636B (zh) | 基于语义的近似文本搜索方法、装置、计算机设备及介质 | |
US20220318515A1 (en) | Intelligent text cleaning method and apparatus, and computer-readable storage medium | |
CN107908615A (zh) | 一种获取搜索词对应商品类目的方法和装置 | |
CN107679119A (zh) | 生成品牌衍生词的方法和装置 | |
CN107908662A (zh) | 搜索系统的实现方法和实现装置 | |
CN114065750A (zh) | 商品信息匹配、发布方法及其装置、设备、介质、产品 | |
CN111950279A (zh) | 实体关系的处理方法、装置、设备及计算机可读存储介质 | |
CN110717405B (zh) | 人脸特征点定位方法、装置、介质及电子设备 | |
CN107968743A (zh) | 推送信息的方法和装置 | |
CN108537291A (zh) | 一种样本分类方法和装置 | |
CN114445179A (zh) | 业务推荐方法、装置、电子设备和计算机可读介质 | |
CN115936805A (zh) | 商品推荐方法及其装置、设备、介质 | |
CN114445833A (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN114818627A (zh) | 一种表格信息抽取方法、装置、设备及介质 | |
CN110069753A (zh) | 一种生成相似度信息的方法和装置 | |
CN107463628A (zh) | 数据填充方法及其系统 | |
CN110019531A (zh) | 一种获取相似对象集合的方法和装置 | |
CN109767249A (zh) | 预测性价比的方法和装置 | |
CN113901175A (zh) | 物品关系判别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |