CN110321448A

CN110321448A - 一种图像检索方法、装置和存储介质

Info

Publication number: CN110321448A
Application number: CN201910569695.8A
Authority: CN
Inventors: 王润泽; 金星明; 邹晓园; 李科
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-06-27
Filing date: 2019-06-27
Publication date: 2019-10-11
Anticipated expiration: 2039-06-27
Also published as: CN110321448B

Abstract

本发明实施例公开了一种图像检索方法、装置和存储介质；本发明实施例在接收用户发送的图像检索请求后，该图像检索请求携带数据库标识和需要检索的图像特征，可以获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果；该方案可以提高显存的利用率。

Description

一种图像检索方法、装置和存储介质

技术领域

本发明涉及通信技术领域，具体涉及一种图像检索方法、装置和存储介质。

背景技术

随着计算机网络技术和数字媒体技术的快速发展，人类进入了一个信息高度发达的互联网时代。每天网络上都会产生海量的数据信息，如何从包含海量的数据库中快速、准确地检索出用户所需的数据信息，无论是在时间上还是空间上都是一个极大的考验。随着科技的发展，显卡中图形处理器(Graphics Processing Unit，GPU)的处理能力也在不断增强，GPU越来越多地被应用于计算密集型的数据运算处理中，比如，图像检索。但是，现有的图像检索技术，一般是为一个静态检索库按照需求上限预分配显卡中显存，显存利用率低。

发明内容

本发明实施例提供一种图像检索方法、装置和存储介质，可以提高显存的利用率。

本发明实施例提供一种图像检索方法，包括：

接收用户发送的图像检索请求，所述图像检索请求携带数据库标识和需要检索的图像特征；

获取所述数据库标识对应的目标数据库，所述目标数据库包括多个子库；

基于子库中的数据为每个子库配置预设大小的显存空间；

将子库中的数据存储至所述显存空间中，得到每个子库对应的存储块；

根据所述图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果；

对所有存储块中的初始检索结果进行整合，得到检索结果。

相应的，本发明实施例还提供一种图像检索装置，包括：

接收单元，用于接收用户发送的图像检索请求，所述图像检索请求携带数据库标识和需要检索的图像特征；

获取单元，用于获取所述数据库标识对应的目标数据库，所述目标数据库包括多个子库；

配置单元，用于基于子库中的数据为每个子库配置预设大小的显存空间，并将子库中的数据存储至所述显存空间中，得到每个子库对应的存储块；

检索单元，用于根据所述图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果；

整合单元，用于对所有存储块中的初始检索结果进行整合，得到检索结果。

可选的，在一些实施例中，所述子库中的数据包括多个检索特征，所述检索单元可以包括读取子单元、计算子单元和第一筛选子单元，如下：

所述读取子单元，用于利用图形处理器读取每个存储块中的检索特征；

所述计算子单元，用于并行计算读取到的检索特征与所述图像特征的相似度，得到每个存储块对应的相似度集；

所述第一筛选子单元，用于从每个存储块对应的相似度集中筛选出与所述图像特征相似度最高的检索特征，得到每个存储块的初始检索结果。

可选的，在一些实施例中，所述计算子单元，具体可以用于将所述图像特征和每个存储块中的每个检索特征进行向量化，得到图像特征向量和多个检索向量；并行计算所述图像特征向量和所述多个检索向量的距离，得到多个距离值；

则所述第一筛选子单元，具体可以用于从每个存储块的多个距离值中筛选出与所述图像特征距离最小的检索特征，得到每个存储块的初始检索结果。

可选的，在一些实施例中，所述整合单元可以包括归并子单元和第二筛选子单元，如下：

所述归并子单元，用于将每个存储块的初始检索结果进行归并，得到归并后相似结果；

所述第二筛选子单元，用于从所述归并后相似结果中筛选出与所述图像特征相似度最高的检索特征，得到检索结果。

可选的，在一些实施例中，所述图像检索装置还可以包括聚合单元，如下：

所述聚合单元，用于当所述图像检索请求携带多个图像特征时，将所述多个图像特征进行聚合，得到聚合后图像特征；

则所述检索单元，具体可以用于根据所述聚合后图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

可选的，在一些实施例中，所述图像检索装置还可以包括建立单元，如下：

所述建立单元，具体可以用于建立数据库集，所述数据库集包含至少一个数据库；将所述数据库划分为多个子库，每个子库包括多个检索特征。

则所述获取单元，具体可以用于从所述图像检索请求中提取数据库标识；从所述数据库集中获取与所述数据库标识对应的数据库，得到目标数据库。

可选的，在一些实施例中，所述子库中的检索特征具有排列顺序，所述图像检索装置还可以包括删除单元，如下：

所述删除单元，具体用于当所述数据库中的检索特征需要删除时，确定所述待删除检索特征在所述数据库中子库的位置；若所述待删除检索特征为所述子库中最后一个检索特征，则将所述待删除检索特征删除；若所述待删除检索特征不为所述子库中最后一个检索特征，则查找所述待删除检索特征所在的子库中最后一个检索特征，将所述待删除检索特征与最后一个检索特征交换位置后，将所述待删除检索特征删除。

可选的，在一些实施例中，所述图像检索装置还可以包括更新单元，如下：

所述更新单元，具体用于当所述数据库中的检索特征需要更新时，确定所述待更新检索特征在所述数据库的子库中的位置；获取更新检索特征，在确定的位置上将更新检索特征替换所述待更新检索特征。

此外，本发明实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本发明实施例提供的任一种图像检索方法中的步骤。

本发明实施例在接收用户发送的图像检索请求后，所述图像检索请求携带数据库标识和需要检索的图像特征，可以获取所述数据库标识对应的目标数据库，所述目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至所述显存空间中，得到每个子库对应的存储块，再根据所述图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果。该方案可以提高显存的利用率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a是本发明实施例提供的图像检索方法的场景示意图；

图1b是本发明实施例提供的图像检索方法的第一流程图；

图2a是本发明实施例提供的图像检索库的示意图；

图2b是本发明实施例提供的图像检索库中特征删除的示意图；

图2c是本发明实施例提供的图像检索库中特征更新的示意图；

图2d是本发明实施例提供的图像检索方法的第二流程图；

图2e是本发明实施例提供的图像检索方法的第一计算示意图；

图2f是本发明实施例提供的图像检索方法的第二计算示意图；

图3是本发明实施例提供的图像检索装置的结构示意图；

图4是本发明实施例提供的网络设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种图像检索方法、装置和存储介质。其中，该图像检索可以集成在网络设备中，该网络设备可以是服务器，也可以是终端等设备。

例如，参见图1a，首先，该集成了图像检索装置的网络设备在接收用户发送的图像检索请求后，该图像检索请求携带数据库标识和需要检索的图像特征，可以获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果，再将检索结果发送给用户。

由于该方案将数据库划分为多个子库，且根据子库中的数据为每个子库配置预设大小的显存空间，从而将显存进行细粒度分页，不再需要根据需求的上限预留显存，有效地提高了显存的利用率。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本实施例将从图像检索装置的角度进行描述，该图像检索装置具体可以集成在网络设备中，该网络设备可以是服务器，也可以是终端等设备；其中，该终端可以包括手机、平板电脑、笔记本电脑、以及个人计算(Personal Computer，PC)等设备。

一种图像检索方法，包括：接收用户发送的图像检索请求，该图像检索请求携带数据库标识和需要检索的图像特征，获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果。

如图1b所示，该图像检索方法的具体流程可以如下：

101、接收用户发送的图像检索请求，该图像检索请求携带数据库标识和需要检索的图像特征。

其中，该图像检索请求可以携带数据库标识、需要检索的图像特征以及一些其他信息，等等。其中，数据库标识指的是可以用来识别数据库的信息，比如，数据库的名称、数据库的编号或数据库代码等等，如具体可以为数据库的身份标识号(Identity document，ID)。其中，图像特征指的是反映该图像异于其他图像的特点，比如，图像的颜色特征、纹理特征、形状特征和/或空间关系特征，等等，如图像特征具体可以是m维向量的特征。

其中，该图像检索请求所携带的图像特征可以通过其他设备进行提取，也可以将特征提取模块内置于图像检索装置，由图像检索装置根据接收用户发送过来的图像检索请求后自行提取，等等。

例如，具体可以由图像检索装置接收用户发送的图像检索请求，也可以由其他设备，比如终端，接收到用户发送的图像检索请求后，进而提供给图像检索装置，即，图像检索装置具体接收用户发送的图像检索请求，也可以接收其他设备发送的图像检索请求。

其中，显卡的主要芯片叫“显示芯片”(Video chipset，也叫GPU或VPU，图形处理器或视觉处理器)，是显卡的主要处理单元。显卡上也有和计算机存储器相似的存储器，称为“显示存储器”，简称显存。科技的发展使得显卡中图形处理器(Graphics ProcessingUnit，GPU)的处理能力也在不断增强，为了在图像检索中充分利用GPU的算力，提高图像检索的效率，当接收到的图像检索特征携带多个图像特征时，可以将多个图像特征进行聚合，这样一次检索操作可以同时得出多个图像特征的相似特征。即步骤“接收用户发送的图像检索请求”之后，还可以包括：

当该图像检索请求携带多个图像特征时，将该多个图像特征进行聚合，得到聚合后图像特征。

102、获取该数据库标识对应的目标数据库，该目标数据库包括多个子库。

比如，具体可以在获取该数据库标识对应的目标数据库之前，先建立数据库，然后根据携带的数据库标识确定标识对应的数据库，即建立数据库集，该数据库集包含至少一个数据库；将该数据库划分为多个子库，每个子库包括多个检索特征。

其中，检索特征指的是数据库中每张图像异于其他图像的特点，比如，图像的颜色特征、纹理特征、形状特征和/或空间关系特征，等等，如检索特征具体也可以是m维向量的特征。比如，每个子库包括多个检索特征可以指的是每个子库包括多张图像，每张图像都具体其检索特征。

为了更合理地分配显存资源，可以将数据库平均划分每个子库，使每个子库中存储的数据(即检索特征)一样多。其中，子库可以指的是数据库中的页。即该数据库中的数据存储以页为存储单元，一个页就可以存放N行数据。比如，数据库中有k个检索特征，每个检索特征和图像特征都是m维向量，可以将数据库中m*k的矩阵拆成多个m*h的矩阵(h<k)，每个m*h的矩阵可以称为页(page)。

比如，具体可以从该图像检索请求中提取数据库标识；从该数据库集中获取与该数据库标识对应的数据库，得到目标数据库。

其中，子库中的检索特征具有排列顺序，为了高效率地淘汰更新，且依然保证page内部连续，比如，当该数据库中的检索特征需要删除时，确定该待删除检索特征在该数据库中子库的位置；若该待删除检索特征为该子库中最后一个检索特征，则将该待删除检索特征删除；若该待删除检索特征不为该子库中最后一个检索特征，则查找该待删除检索特征所在的子库中最后一个检索特征，将该待删除检索特征与最后一个检索特征交换位置后，将该待删除检索特征删除。比如，当该数据库中的检索特征需要更新时，确定该待更新检索特征在该数据库的子库中的位置；获取更新检索特征，在确定的位置上将更新检索特征替换该待更新检索特征。

103、基于子库中的数据为每个子库配置预设大小的显存空间，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。

例如，具体可以根据子库中的数据，比如，m*h的矩阵，为每个子库配置预设大小的显存空间，比如，配置刚好存放m*h矩阵的显存，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。即数据库分配显存的单位是页，而不再是字节。因此，数据库无需再根据需求的上限预留显存，若数据库的最后一页显存(即最后一个存储块)没有填满，一个数据库最多浪费不到一个页的显存，在数据库需要增加新的数据时，可以先存放在数据库的最后一页显存，若数据库的最后一页显存已存储满，则可以再从显卡中分配一页给数据库，大大增加了显存的利用率。另外页可以跨显卡，甚至跨机器存在。

104、根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

例如，该子库中的数据包括多个检索特征，具体可以利用图形处理器读取每个存储块中的检索特征，并行计算读取到的检索特征与该图像特征的相似度，得到每个存储块对应的相似度集，从每个存储块对应的相似度集中筛选出与该图像特征相似度最高的检索特征，得到每个存储块的初始检索结果。

其中，计算读取到的检索特征与该图像特征的相似度的方式可以有多种，例如，可以将检索特征与图像特征进行向量化，通过计算向量之间的余弦值，来得到检索特征与图像特征的相似度，等等。例如，具体可以将该图像特征和每个存储块中的每个检索特征进行向量化，得到图像特征向量和多个检索向量；并行计算该图像特征向量和该多个检索向量的距离，得到多个距离值。此时，从每个存储块的多个相似度中筛选出与该图像特征相似度最高的检索特征，得到每个存储块的初始检索结果，具体可以为从每个存储块的多个距离值中筛选出与该图像特征距离最小的检索特征，得到每个存储块的初始检索结果。

例如，为了在图像检索中充分利用GPU的算力，提高计算效率，当该图像检索请求携带多个图像特征时，可以将该多个图像特征进行聚合，得到聚合后图像特征，根据该聚合后图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

105、对所有存储块中的初始检索结果进行整合，得到检索结果。

例如，具体可以将每个存储块的初始检索结果进行归并，得到归并后相似结果，从该归并后相似结果中筛选出与该图像特征相似度最高的检索特征，得到检索结果。其中，归并指的是将每个存储块的初始检索结果整理合并在一起。

由上可知，本发明实施例在接收用户发送的图像检索请求后，该图像检索请求携带数据库标识和需要检索的图像特征，可以获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果。由于该方案将数据库划分为多个子库，且根据子库中的数据为每个子库配置预设大小的显存空间，从而将显存进行细粒度分页，不再需要根据需求的上限预留显存，有效地提高了显存的利用率。此外，对相近的多个检索特征做聚合，充分利用GPU的高访存带宽的特性，可以批量输出检索结果，提升了检索效率。且显存中页的划分使得检索库的更新效率更高。另外，数据库的特征淘汰更新方式使得特征的淘汰更快速高效，且可以同时保证页内依然连续。

根据上一个实施例所描述的方法，以下将举例作进一步详细说明。

在本实施例中，将以该图像检索装置具体集成在网络设备，其以待检索的图像为人脸，图像特征为人脸特征为例进行说明。

(一)首先，需要建立数据库，具体可以如下：

(1)网络设备建立数据库集，该数据库集包含至少一个数据库。

例如，网络设备建立一个数据库集，数据库集有多个数据库，比如，人脸数据库、地点数据库、以及车辆数据库，等等。每个数据库都配置有相应的ID，可以根据数据库的ID查找到数据库的首地址和末地址。

比如，数据库中有k个检索特征，每个检索特征和图像特征都是m维向量，可以将数据库中m*k的矩阵拆成多个m*h的矩阵(h<k)，每个m*h的矩阵可以称为页(page)。

(2)网络设备将该数据库划分为多个子库，每个子库包括多个检索特征。

例如，网络设备可以将每个数据库都划分为多个子库，每个子库都有多个检索特征，比如，数据库中有k个检索特征，每个检索特征和图像特征都是m维向量，可以将数据库中m*k的矩阵拆成多个m*h的矩阵(h<k)，每个m*h的矩阵可以称为页(page)。

例如，网络设备可以基于子库中的数据为每个子库配置预设大小的显存空间，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。比如，每个子库为m*h的矩阵，为每个子库配置刚好存放m*h矩阵的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。比如，如图2a所示，数据库分配显存的单位是页，页可以跨显卡，甚至跨机器存在，若数据库的最后一页显存已存储满，则可以再从显卡GPU0中分配一页给数据库，或者也可以显卡GPU1中分配一页给数据库。

若发生特征的更新/删除，则受影响的显存只有一个page，只要更新一个page，而无需刷新整块完整显存，可以提高频繁更新场景的效率。比如，如图2b所示，当该数据库中的检索特征需要删除时，比如，图中斜纹为待删除检索特征，先找到该page最后一个特征B，将A和B进行交换(swap)操作，并将页的特征减一，即size-1(比如，图中size是h，变成h-1)，若特征A恰好是该page最后一个特征，则只需要size-1即可。通过该淘汰方法只需要变动2个特征，不会导致整个page发生变动，效率更高，另外淘汰完成后保证page内依然连续有序。

比如，如图2c所示，当该数据库中的检索特征需要更新时，比如，图中斜纹为待更新检索特征，则可以获取更新检索特征，将更新检索特征直接刷新到对应的斜纹槽位。

(二)通过建立好的数据库对用户发送的人脸图像检索请求进行检索，具体流程图可以参见图2d。

如图2d所示，一种图像检索方法，具体流程可以如下：

201、网络设备接收用户发送的人脸图像检索请求，该人脸图像检索请求携带数据库标识和需要检索的人脸特征。

其中，该人脸图像检索请求可以携带数据库标识、需要检索的人脸特征以及一些其他信息，等等。其中，数据库标识指的是可以用来识别数据库的信息，比如，数据库的名称、数据库的编号或数据库代码等等，如具体可以为与该人脸图像对应的数据库ID。其中，人脸特征指的是反映该人脸图像异于其他图像的特点，比如，人脸图像的颜色特征、纹理特征、形状特征和/或空间关系特征，等等，如人脸特征具体可以是m维向量的特征。例如，网络设备具体可以接收用户发送的人脸图像检索请求，该图像检索请求可以携带数据库标识和需要检索的人脸特征。

202、网络设备获取该数据库标识对应的目标数据库。

例如，网络设备具体可以从人脸图像检索请求中提取数据库标识，根据该数据库标识从建立的数据库集中获取与该数据库标识对应的数据库，比如，人脸数据库，作为目标数据库。

203、网络设备利用图形处理器读取每个存储块中的检索特征，并行计算读取到的检索特征与该人脸特征的相似度，得到每个存储块对应的相似度集。

例如，网络设备具体可以利用GPU读取人脸数据库的每个子库对应的存储块中的检索特征，利用GPU同时计算该人脸特征和每个存储块中检索特征的相似度，得到每个存储块对应的相似度集，如图2e中的相似度结果。

其中，计算检索特征与人脸特征的相似度的方式可以有多种，例如，可以将检索特征与人脸特征进行向量化，比如，检索特征与人脸特征均为m维向量，通过计算两个向量之间的余弦距离，来得到检索特征与人脸特征的相似度，等等。例如，网络设备具体可以将人脸特征和每个存储块中的每个检索特征进行向量化，得到人脸特征向量和多个检索向量；并行计算每个存储块中人脸特征向量和多个检索向量的余弦距离，得到多个距离值，即每个存储块对应的相似度集。

例如，如图2f所示，当该图像检索请求携带多个人脸特征时，为了在图像检索中充分利用GPU的算力，提高计算效率，网络设备可以将该多个人脸特征，比如，有n个，进行聚合，得到聚合后人脸特征，然后，利用GPU同时计算该聚合后人脸特征和每个存储块中检索特征的相似度，得到每个存储块对应的相似度集。

204、网络设备从每个存储块对应的相似度集中筛选出与该人脸特征相似度最高的检索特征，得到每个存储块的初始检索结果。

例如，网络设备具体可以从每个存储块的多个距离值中筛选出与人脸特征距离最小的检索特征，得到每个存储块的初始检索结果。也可以跳过该步骤204直接执行步骤205。

205、网络设备将每个存储块的初始检索结果进行归并，得到归并后相似结果。

例如，如图2e所示，网络设备具体可以将每一页计算得出的h个相似度结果[X₀,…X_h-1]进行归并，得到k个归并后相似结果[X₀,X₁,X₂,X₃,…X_k-1]。

例如，如图2f所示，当该人脸图像处理请求携带有n个人脸特征时，网络设备具体可以将每一页计算得出的n*h个相似度结果[X₀,…X_h-1]进行归并，得到n*k个归并后相似结果[X₀,X₁,X₂,X₃,…X_k-1]。

206、网络设备从该归并后相似结果中筛选出与该人脸特征相似度最高的检索特征，得到检索结果。

例如，网络设备具体可以从k个归并后相似结果[X₀,X₁,X₂,X₃,…X_k-1]或者从n*k个归并后相似结果[X₀,X₁,X₂,X₃,…X_k-1]筛选出与该人脸特征相似度最高的检索特征，得到检索结果。

为了更好地实施以上方法，相应的，本发明实施例还提供一种图像检索装置，该图像检索装置具体可以集成在网络设备中，该网络设备可以是服务器，也可以是终端等设备。

例如，如图3所示，该图像检索装置可以包括接收单元301、获取单元302、配置单元303、检索单元304和整合单元305，如下：

(1)接收单元301；

接收单元301，用于接收用户发送的图像检索请求，该图像检索请求携带数据库标识和需要检索的图像特征。

例如，具体可以由图像检索装置接收用户发送的图像检索请求，也可以由其他设备，比如终端，接收到用户发送的图像检索请求后，进而提供给接收单元301，即，接收单元301具体接收用户发送的图像检索请求，也可以接收其他设备发送的图像检索请求。

可选的，在一些实施例中，为了在图像检索中充分利用GPU的算力，提高图像检索的效率，当接收到的图像检索特征携带多个图像特征时，可以将多个图像特征进行聚合，这样一次检索操作可以同时得出多个图像特征的相似特征，该图像检索装置还可以包括聚合单元，如下：

聚合单元，用于当该图像检索请求携带多个图像特征时，将该多个图像特征进行聚合，得到聚合后图像特征。

(2)获取单元302；

获取单元302，用于获取该数据库标识对应的目标数据库，该目标数据库包括多个子库。

可选的，在一些实施例中，该图像检索装置还可以包括建立单元，如下：

建立单元，具体可以用于建立数据库集，该数据库集包含至少一个数据库；将该数据库划分为多个子库，每个子库包括多个检索特征。

则获取单元，具体可以用于从该图像检索请求中提取数据库标识；从该数据库集中获取与该数据库标识对应的数据库，得到目标数据库。

可选的，在一些实施例中，该子库中的检索特征具有排列顺序，该图像检索装置还可以包括删除单元，如下：

删除单元，具体用于当该数据库中的检索特征需要删除时，确定该待删除检索特征在该数据库中子库的位置；若该待删除检索特征为该子库中最后一个检索特征，则将该待删除检索特征删除；若该待删除检索特征不为该子库中最后一个检索特征，则查找该待删除检索特征所在的子库中最后一个检索特征，将该待删除检索特征与最后一个检索特征交换位置后，将该待删除检索特征删除。

可选的，在一些实施例中，该图像检索装置还可以包括更新单元，如下：

更新单元，具体用于当该数据库中的检索特征需要更新时，确定该待更新检索特征在该数据库的子库中的位置；获取更新检索特征，在确定的位置上将更新检索特征替换该待更新检索特征。

(3)配置单元303；

配置单元303，用于基于子库中的数据为每个子库配置预设大小的显存空间，并将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。

例如，配置单元303具体可以根据子库中的数据，比如，子库为m*h的矩阵，为每个子库配置预设大小的显存空间，比如，配置刚好存放m*h矩阵的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块。

(4)检索单元304；

检索单元304，用于根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

可选的，在一些实施例中，该子库中的数据包括多个检索特征，该检索单元可以包括读取子单元、计算子单元和第一筛选子单元，如下：

读取子单元，用于利用图形处理器读取每个存储块中的检索特征；

计算子单元，用于并行计算读取到的检索特征与该图像特征的相似度，得到每个存储块对应的相似度集；

第一筛选子单元，用于从每个存储块对应的相似度集中筛选出与该图像特征相似度最高的检索特征，得到每个存储块的初始检索结果。

其中，计算读取到的检索特征与该图像特征的相似度的方式可以有多种，例如，可以将检索特征与图像特征进行向量化，通过计算向量之间的余弦值，来得到检索特征与图像特征的相似度，等等。

例如，在一些实施例中，计算子单元，具体可以用于将该图像特征和每个存储块中的每个检索特征进行向量化，得到图像特征向量和多个检索向量；并行计算该图像特征向量和该多个检索向量的距离，得到多个距离值。

则第一筛选子单元，具体可以用于从每个存储块的多个距离值中筛选出与该图像特征距离最小的检索特征，得到每个存储块的初始检索结果。

可选的，在一些实施例中，当该图像检索请求携带多个图像特征时，可以将该多个图像特征进行聚合，得到聚合后图像特征，然后，根据该聚合后图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

(5)整合单元305；

整合单元305，用于对所有存储块中的初始检索结果进行整合，得到检索结果。

可选的，在一些实施例中，该整合单元可以包括归并子单元和第二筛选子单元，如下：

归并子单元，用于将每个存储块的初始检索结果进行归并，得到归并后相似结果；

第二筛选子单元，用于从该归并后相似结果中筛选出与该图像特征相似度最高的检索特征，得到检索结果。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由上可知，本实施例可以由获取单元301先获取目标用户的用户数据，接着，由特征抽取单元302对该用户数据进行特征抽取，得到用户特征，然后，由向量化单元303将该用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量，再由计算单元304计算该信息向量和该用户向量的相似度，再然后，由推送单元305将相似度满足预设条件的待推送图像检索给目标用户；由于该方案是利用用户数据进行特征抽取，然后通过分析抽取后的用户特征与待推送信息的相似度，以得到用户对信息的感兴趣度，根据用户的感兴趣度对用户进行图像检索，所以，相对于仅仅依靠用户的点击行为对信息进行推送的方案而言，可以有效地提高图像检索的准确性。

此外，本发明实施例还提供一种网络设备，如图4所示，其示出了本发明实施例所涉及的网络设备的结构示意图，具体来讲：

该网络设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的网络设备结构并不构成对网络设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该网络设备的控制中心，利用各种接口和线路连接整个网络设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行网络设备的各种功能和处理数据，从而对网络设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据网络设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

网络设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该网络设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，网络设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，网络设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

接收用户发送的图像检索请求，该图像检索请求携带数据库标识和需要检索的图像特征，获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本发明实施例在接收用户发送的图像检索请求后，该图像检索请求携带数据库标识和需要检索的图像特征，可以获取该数据库标识对应的目标数据库，该目标数据库包括多个子库，接着，基于子库中的数据为每个子库配置预设大小的显存空间，然后，将子库中的数据存储至该显存空间中，得到每个子库对应的存储块，再根据该图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，再然后，对所有存储块中的初始检索结果进行整合，得到检索结果。由于该方案将数据库划分为多个子库，且根据子库中的数据为每个子库配置预设大小的显存空间，从而将显存进行细粒度分页，不再需要根据需求的上限预留显存，有效地提高了显存的利用率。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例还提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种图像检索方法中的步骤。例如，该指令可以执行如下步骤：

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种图像检索方法中的步骤，因此，可以实现本发明实施例所提供的任一种图像检索方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种图像检索方法、装置和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种图像检索方法，其特征在于，包括：

基于子库中的数据为每个子库配置预设大小的显存空间；

对所有存储块中的初始检索结果进行整合，得到检索结果。

2.根据权利要求1所述的方法，其特征在于，所述子库中的数据包括多个检索特征，所述根据所述图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，包括：

利用图形处理器读取每个存储块中的检索特征；

并行计算读取到的检索特征与所述图像特征的相似度，得到每个存储块对应的相似度集；

从每个存储块对应的相似度集中筛选出与所述图像特征相似度最高的检索特征，得到每个存储块的初始检索结果。

3.根据权利要求2所述的方法，其特征在于，所述并行计算读取到的检索特征与所述图像特征的相似度，得到每个存储块对应的相似度集，包括：

将所述图像特征和每个存储块中的每个检索特征进行向量化，得到图像特征向量和多个检索向量；

并行计算所述图像特征向量和所述多个检索向量的距离，得到多个距离值；

所述从每个存储块的多个相似度中筛选出与所述图像特征相似度最高的检索特征，得到每个存储块的初始检索结果，包括：从每个存储块的多个距离值中筛选出与所述图像特征距离最小的检索特征，得到每个存储块的初始检索结果。

4.根据权利要求1所述的方法，其特征在于，所述对所有存储块中的初始检索结果进行整合，得到检索结果，包括：

将每个存储块的初始检索结果进行归并，得到归并后相似结果；

从所述归并后相似结果中筛选出与所述图像特征相似度最高的检索特征，得到检索结果。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述接收用户发送的图像检索请求之后，还包括：

当所述图像检索请求携带多个图像特征时，将所述多个图像特征进行聚合，得到聚合后图像特征；

所述根据所述图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果，包括：根据所述聚合后图像特征并行对所有存储块中的数据进行检索，得到每个存储块的初始检索结果。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述获取所述数据库标识对应的目标数据库之前，还包括：

建立数据库集，所述数据库集包含至少一个数据库；

将所述数据库划分为多个子库，每个子库包括多个检索特征。

所述获取所述数据库标识对应的目标数据库，包括：从所述图像检索请求中提取数据库标识；从所述数据库集中获取与所述数据库标识对应的数据库，得到目标数据库。

7.根据权利要求6所述的方法，其特征在于，所述子库中的检索特征具有排列顺序，所述方法还包括：

当所述数据库中的检索特征需要删除时，确定所述待删除检索特征在所述数据库中子库的位置；

若所述待删除检索特征为所述子库中最后一个检索特征，则将所述待删除检索特征删除；

若所述待删除检索特征不为所述子库中最后一个检索特征，则查找所述待删除检索特征所在的子库中最后一个检索特征，将所述待删除检索特征与最后一个检索特征交换位置后，将所述待删除检索特征删除。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当所述数据库中的检索特征需要更新时，确定所述待更新检索特征在所述数据库的子库中的位置；

获取更新检索特征，在确定的位置上将更新检索特征替换所述待更新检索特征。

9.一种图像检索装置，其特征在于，包括：

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的图像检索方法中的步骤。