CN110727815A - 一种更新以图搜图的图库的方法、设备及可读存储介质 - Google Patents
一种更新以图搜图的图库的方法、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110727815A CN110727815A CN201810778341.XA CN201810778341A CN110727815A CN 110727815 A CN110727815 A CN 110727815A CN 201810778341 A CN201810778341 A CN 201810778341A CN 110727815 A CN110727815 A CN 110727815A
- Authority
- CN
- China
- Prior art keywords
- picture
- updating
- template
- searched
- abnormal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 141
- 230000005856 abnormality Effects 0.000 claims description 33
- 230000001186 cumulative effect Effects 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 11
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种更新以图搜图的图库的方法、设备及可读存储介质,用于根据以图搜图时的相似度对图库进行更新。该方法包括:在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;根据所述异常次数以及更新图片更新所述图库,所述更新图片为与所述模板图片匹配时出现所述搜索异常的所有待搜索图片中,与所述模板图片的相似度最高的图片。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种更新以图搜图的图库的方法、设备及可读存储介质。
背景技术
以图搜图,是通过输入图片来检索相似的图片的一种搜索技术。其中,以图搜图中很关键的组成部分即是图库,或称底库,图库中存储了大量的模板图片,输入的图片即是与图库中的模板图片进行比对,从而从中找到与输入的图片相似度满足要求的图片,因此图库中的图片的准确性直接影响到检索结果。在图库建立之后,仍然需要对其进行维护,从而保证图库的准确性,但是目前,图库的更新机制主要包括两种:第一种是没有动态更新机制,只能完全依靠人工进行更新;另一种是在输入的图片被判定为新的图片时则加入图库,或者是在输入的图片检索到相似度满足要求的图片,且输入的图片的图像质量更高时则将该输入的图片更新到图库中。
图库中的图片所对应的实物的特征发生变化时,则可能造成检索失败或者检索结果不准确,因此在上述两种更新机制中,第一种需要人工进行干预,因而有可能造成更新不及时,从而使得检索效果不佳,而另一种更新机制也仅仅基于图像质量进行更新,一但实物本身的变化较大时,例如人,随着时间的变化,相貌会发生变化,则有可能造成检索失败。因此,目前图库的更新机制还较为不完善。
发明内容
本发明实施例提供一种更新以图搜图的图库的方法、设备及可读存储介质,用于根据以图搜图时的相似度对图库进行更新。
第一方面,提供一种更新以图搜图的图库的方法,该方法包括:
在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;
若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;
根据所述异常次数以及更新图片更新所述图库,所述更新图片为与所述模板图片匹配时出现搜索异常的所有待搜索图片中,与所述模板图片的相似度最高的图片。
其中,当图片中的实物的特征发生变化时,可能依然能够匹配成功,但是待搜索图片与模板图片的差别已经比较大,因而在该方法中,若是图片与图库中的模板图片匹配成功,但是该图片与模板图片的相似度不大于预设更新阈值,这种情况被称为搜索异常,当出现搜索异常的异常次数较多时,则会根据与模板图片相似度最高的图片来更新图库,这样,可以使得图库中的图片能够随着图片中的实物的变化而更新,从而保持图库中模板图片的准确性,以提高以图搜图的准确性。
可选的,所述异常次数包括累计异常次数,则所述根据所述异常次数以及更新图片更新所述图库,包括:
确定所述累计异常次数是否大于累计异常次数阈值,其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数大于所述累计异常次数阈值,则通过所述更新图片更新所述图库。
可选的,所述异常次数包括连续异常次数,则所述根据所述异常次数以及更新图片更新所述图库,包括:
确定所述连续异常次数是否大于连续异常次数阈值,其中,所述连续异常次数用于表征连续出现所述搜索异常的次数;
若确定所述连续异常次数大于所述连续异常次数阈值,则通过所述更新图片更新所述图库。
可选的,所述异常次数包括累计异常次数;则在确定所述待搜索图片与图库中的所述模板图片匹配成功之后,将所述模板图片的累计匹配成功次数增加一次;
则所述根据所述异常次数以及更新图片更新所述图库,包括:
确定在预设时间段内,所述累计异常次数与所述累计匹配成功次数的比值是否大于预设比例阈值;其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数与所述累计匹配成功次数的比值大于预设比例阈值,则通过所述更新图片更新所述图库。
本发明实施例中,可以根据累计异常次数、连续异常次数或者异常发生的比例来确定是否需要更新图库。其中,连续异常次数过大时,即连续出现搜索异常的次数过多,则可以表征实物的变化是持续发生的,即该实物发生变化的可能性较大,因而需要对模板图片进行更新;累计异常次数或者异常发生的比例较大时,则说明实物发生变化的概率较大,因而也可以对模板图片进行更新。
第二方面,提供一种更新以图搜图的图库的设备,包括:
确定单元,用于在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;
计数单元,用于若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;
更新单元,根据所述异常次数以及更新图片更新所述图库,所述更新图片为与所述模板图片匹配时出现搜索异常的所有待搜索图片中,与所述模板图片的相似度最高的图片。
可选的,所述异常次数包括累计异常次数,则所述更新单元具体用于:
确定所述累计异常次数是否大于累计异常次数阈值,其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数大于所述累计异常次数阈值,则通过所述更新图片更新所述图库。
可选的,所述异常次数包括连续异常次数,则所述更新单元具体用于:
确定所述连续异常次数是否大于连续异常次数阈值,其中,所述连续异常次数用于表征连续出现所述搜索异常的次数;
若确定所述连续异常次数大于所述连续异常次数阈值,则通过所述更新图片更新所述图库。
可选的,所述异常次数包括累计异常次数,
所述计数单元还用于:在确定所述待搜索图片与图库中的所述模板图片匹配成功之后,将所述模板图片的累计匹配成功次数增加一次;
所述更新单元具体用于:确定在预设时间段内,所述累计异常次数与所述累计匹配成功次数的比值是否大于预设比例阈值;其中,所述累计异常次数用于表征出现所述搜索异常的总次数;若确定所述累计异常次数与所述累计匹配成功次数的比值大于预设比例阈值,则通过所述更新图片更新所述图库。
第三方面,提供一种更新以图搜图的图库的设备,
所述设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如第一方面所述的方法。
第四方面,提供一种可读存储介质,
所述可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如第一方面所述的方法。
附图说明
图1为本发明实施例提供的更新以图搜图的图库的方法的流程示意图;
图2为本发明实施例提供的更新以图搜图的图库的设备的一种结构示意图;
图3为本发明实施例提供的更新以图搜图的图库的设备的另一种结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
下面介绍本发明实施例的技术背景。
目前,图库的更新机制主要包括两种:第一种是没有动态更新机制,只能完全依靠人工进行更新;另一种是在输入的图片被判定为新的图片时则加入图库,或者是在输入的图片检索到相似度满足要求的图片,且输入的图片的图像质量更高时则将该输入的图片更新到图库中。
图库中的图片所对应的实物的特征发生变化时,则可能造成检索失败或者检索结果不准确,因此在上述两种更新机制中,第一种需要人工进行干预,因而有可能造成更新不及时,从而使得检索效果不佳,而另一种更新机制也仅仅基于图像质量进行更新,一但实物本身的变化较大时,例如人,随着时间的变化,相貌会发生变化,则有可能造成检索失败。因此,目前图库的更新机制还较为不完善。
鉴于此,本发明实施例提供一种更新以图搜图的图库的方法,在该方法中,若是图片与图库中的模板图片匹配成功,但是该图片与模板图片的相似度不大于预设更新阈值,这种情况被称为搜索异常,当出现搜索异常的异常次数较多时,则会通过与模板图片匹配时出现搜索异常的所有待搜索图片中与模板图片相似度最高的图片来更新图库,这样,随着时间的推移,实物的特征发生变化,相似度的值也会随之降低,那么当出现这种情况的次数过多时,图库也可以随着图片中的实物的变化而更新,从而保持图库中模板图片的准确性,以提高以图搜图的准确性。
下面结合附图介绍本发明实施例提供的技术方案。
请参见图1,本发明实施例提供一种更新以图搜图的图库的方法,该方法可以通过本发明实施例提供的更新以图搜图的图库的设备来执行。本发明实施例提供的方法的流程描述如下。
S1:上传待搜索图片进行以图搜图。
S2:确定图库中是否存在与待搜索图片的相似度不小于预设匹配阈值的模板图片。
本发明实施例中,在进行以图搜图时,会计算待搜索图片与图库中的模板图片的相似度,从而在图库中搜索与待搜索图片的相似度满足需求,即相似度不小于预设匹配阈值的模板图片。
其中,在进行以图搜图时,可以是计算待搜索图片与图库中每一张模板图片的相似度,然后将计算得到的相似度与预设匹配阈值进行比较,以确定满足需求的模板图片。或者,在计算待搜索图片与图库中每一张模板图片的相似度之后,从中确定出数值最大的相似度,再将数值最大的相似度与预设匹配阈值进行比较。
具体的,待搜索图片与模板图片的相似度为u,系统识别偏差率为p。其中,上传的待搜索图片与模板图片之间可能会存在些许的差异,因而通常相似度有可能不能达到100%,并且这种情况大多数时候都存在,因此若是将预设匹配阈值设置为100%,很多时候并不能匹配成功,因而设置了系统识别偏差率,系统识别偏差率即是指能够允许的差异范围,一旦差异范围超出系统识别偏差率,则可以认为两张图片并不匹配。其中,系统识别偏差率的取值范围为[0,1],那么预设匹配阈值的取值即为1-p,例如,p的取值可以为0.2,那么预设匹配阈值的取值即为0.8,也就是说若是待搜索图片与模板图片的相似度u不小于0.8,那么则可以认为待搜索图片与模板图片匹配成功,反之,则可以认为待搜索图片与模板图片匹配不成功。当然,在实际应用中,p的取值根据实际应用进行设置,本发明实施例对此不做限制。
S3:若S2的确定结果为否,则流程结束。
本发明实施例中,若是图库中并未有任何与待搜索图片匹配的模板图片,那么流程则可以结束。另外,由于若是图库中未存在与待搜索图片匹配的模板图片,即待搜索图片为新的图片,那么也可以将待搜索图片更新到图库中,当然这种更新到图库中的方法属于现有技术的范畴,因而在此不过多赘述。
S4:若S2的确定结果为是,则将累计匹配成功次数增加一次。
本发明实施例中,若是图库中存在与待搜索图片的相似度不小于预设匹配阈值的模板图片,即u大于或者等于1-p,那么待搜索图片与该模板图片匹配成功,那么则可以将该模板图片的累计匹配成功次数增加一次。
具体的,可以通过累计匹配成功计数器C2进行计数,当匹配成功一次,C2的取值加1。
S5:确定待搜索图片与模板图片的相似度是否不大于预设更新阈值。
本发明实施例中,即是待搜索图片和模板图片匹配成功,例如在预设匹配阈值为0.8时,待搜索图片与模板图片的相似度为0.82,那么待搜索图片与模板图片会被认为是匹配成功,但实质上待搜索图片与模板图片的差异已经是较大的了,因而在本发明实施例中设置了更新偏差率k,当待搜索图片与模板图片之间的差异度不大于更新偏差率时,可以认为图库中的模板图片无需进行更新。
其中,更新偏差率的取值可以为[0,p],那么预设更新阈值的取值可以为1-k。例如,当p的取值为0.2时,k的取值可以为0.1,那么预设匹配阈值为0.8,以及预设更新阈值为0.9,当然,上述取值仅仅用于进行说明而并不进行限制。
S6:若S5的确定结果为是,则将累计异常次数和连续异常次数均增加一次。
本发明实施例中,出现待搜索图片与模板图片匹配成功,但是待搜索图片与模板图片的相似度小于或者等于预设更新阈值的这种情况被称为搜索异常。但这里需要声明的是,这里所说的异常并不是说图片搜索出现故障,而仅仅是指待搜索图片与模板图片匹配成功,但是待搜索图片与模板图片的相似度小于预设更新阈值的这种情况。
其中,当待搜索图片与模板图片的相似度小于预设更新阈值时,即出现搜索异常时,则会将该模板图片的累计异常次数和连续异常次数均增加一次。其中,累计异常次数用于表征出现搜索异常的总次数,累计异常次数可以是从指定的时刻开始进行累计的次数,或者,累计异常次数还可以是从上一次更新完成的时刻开始进行累计的次数;连续异常次数用于表征连续出现搜索异常的次数。
具体的,可以分别通过连续异常计数器NC1和累计异常计数器NC2分别进行计数,当S5的确定结果为是时,NC1和NC2的取值均加1。
S7:确定待搜索图片与模板图片的相似度是否大于预存相似度。
本发明实施例中,若是待搜索图片与模板图片匹配成功之后,还可以确定该相似度是否大于预存相似度,进而确定是否需要更新预存相似度。
其中,这里所指的预存相似度是指出现搜索异常时的所有待搜索图片与模板图片的相似度中的最大相似度,当出现搜索异常,且该次搜索异常的相似度比预存相似度更大时,则可以用该次搜索异常的相似度来更新预存相似度,以便在后续进行图库的更新时,能够更加方便的找到与模板图片进行匹配时,出现搜索异常的待搜索图片与模板图片的相似度中的最大相似度。
S8:若S7的确定结果为是,则更新预存相似度。
本发明实施例中,若是待搜索图片与模板图片的相似度大于上述预存相似度,则用本次搜索的相似度来更新预存相似度,否则,则不更新。
例如,预存相似度为M,则当待搜索图片与模板图片的相似度u大于M当前的取值时,则可以将M的取值更新为u。
S9:确定累计异常次数是否大于累计异常次数阈值,以及确定连续异常次数是否大于连续异常次数阈值,并确定在预设时间段内,累计异常次数与累计匹配成功次数的比值是否大于预设比例阈值。
本发明实施例中,可以基于异常次数来确定是否需要对图库进行更新。
具体的,在多次进行以图搜图过程之后,若是累计异常次数过多,也就说明该累计异常次数对应的模板图片的内容已经不太准确,那么该模板图片就需要进行更新,因此,可以通过确定累计异常次数是否大于累计异常次数阈值,以确定是否更新模板图片。其中,可以是在每一次累计异常次数加1之后,就确定一次累计异常次数当前的取值是否大于累计异常次数阈值,或者,周期性的确定累计异常次数当前的取值是否大于累计异常次数阈值。
同理,连续异常次数过多时,也能够说明模板图片的内容已经不太准确,那么该模板图片也需要进行更新,因此,可以通过确定连续异常次数是否大于连续异常次数阈值,以确定是否更新模板图片。
理论上来讲,时间较长时,图片中的实物的特征通常变化较大,因而实质上图库中的模板图片在一定的时间长度之后就应进行更新,因此,可以从上一次更新该模板图片的时刻开始计时,当时间到达预设时间段的时间长度时,则将累计异常次数与累计匹配成功次数的比值与预设比例阈值进行比较,若是累计异常次数与累计匹配成功次数的比值大于预设比例阈值,也就能够说明模板图片中的内容发生变化的可能性较高,因而可以通过确定累计异常次数与累计匹配成功次数的比值是否大于预设比例阈值,进而确定该模板图片是否需要进行更新。其中,预设时间段即是指从上一次更新开始计时,到经历预设时间段所指示的时间长度的这一段时间。具体的,预设时间段可以通过计时器进行计时,当进行一次该模板图片的更新之后,计时器自动重置为0。
其中,上述所涉及到的阈值,例如累计异常次数阈值、连续异常次数阈值以及预设比例阈值均可以根据经验数值来进行设置,或者根据实验数据进行设置。
S10:若S9中的任一确定结果为是,则通过更新图片更新图库。
本发明实施例中,只要确定累计异常次数大于累计异常次数阈值,或者确定连续异常次数大于连续异常次数阈值,或者在预设时间段内,累计异常次数与累计匹配成功次数的比值大于预设比例阈值,则确定对图库中的相应的模板图片进行更新。其中,更新图片可以是历史搜索中出现搜索异常的搜索图片中,与该模板图片的相似度最高的待搜索图片,也就是上述预存相似度所对应的待搜索图片。其中,需要声明的是,图1中的流程所指的“是”为S9中的确定结果任一个为“是”的情况。
在对图库进行更新之后,则可以将累计异常次数、连续异常次数、累计匹配成功次数以及计时均进行重置。
S11:若S5的确定结果为否,则重置连续异常次数。
本发明实施例中,若是待搜索图片与模板图片的相似度大于预设更新阈值,也就是未出现搜索异常时,那么连续异常也就中断了,因而需要将连续异常次数进行重置,例如重置为1或者0,以便下一次出现搜索异常,继续进行计数。
本发明实施例中,在图1中示出了本发明实施例的完整流程,但需要声明的是,步骤S1、S2、S4、S7、S8以及S10虽然在图1中一并示出,但并不是必选的步骤,本领域技术人员可根据具体应用灵活进行选取。
综上所述,本发明实施例中,若是图片与图库中的模板图片匹配成功,但是该图片与模板图片的相似度不大于预设更新阈值,这种情况被称为搜索异常,当出现搜索异常的异常次数较多时,则会根据与模板图片相似度最高的图片来更新图库,这样,随着时间的推移,实物的特征发生变化,那么在进行匹配时的相似度的值必然也会随之降低,那么当出现这种情况的次数过多时,图库也会更新,从而保持图库中模板图片的准确性,以提高以图搜图的准确性。也就是说,本发明实施例的更新方法能够随着图片中的实物的自然成长而随之进行更新,并且在进行更新时,可以依据连续异常次数、累计异常次数以及异常发生比等多个方面来确定是否需要更新,从而在实物发生变化的概率上保证更新的合理性。
请参见图2,基于同一发明构思,本发明实施例提供一种更新以图搜图的图库的设备,该设备包括:
确定单元201,用于在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;
计数单元202,用于若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;
更新单元203,根据异常次数以及更新图片更新图库,更新图片为与模板图片匹配时出现搜索异常的所有待搜索图片中,与模板图片的相似度最高的图片。
可选的,所述异常次数包括累计异常次数,则所述更新单元203具体用于:
确定所述累计异常次数是否大于累计异常次数阈值,其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数大于所述累计异常次数阈值,则通过更新图片更新所述图库。
可选的,所述异常次数包括连续异常次数,则所述更新单元203具体用于:
确定所述连续异常次数是否大于连续异常次数阈值,其中,所述连续异常次数用于表征连续出现所述搜索异常的次数;
若确定所述连续异常次数大于所述连续异常次数阈值,则通过更新图片更新所述图库。
可选的,所述异常次数包括累计异常次数,
所述计数单元202还用于:在确定所述待搜索图片与图库中的所述模板图片匹配成功之后,将所述模板图片的累计匹配成功次数增加一次;
所述更新单元203具体用于:确定在预设时间段内,所述累计异常次数与所述累计匹配成功次数的比值是否大于预设比例阈值;其中,所述累计异常次数用于表征出现所述搜索异常的总次数;若确定所述累计异常次数与所述累计匹配成功次数的比值大于预设比例阈值,则通过更新图片更新所述图库。
该设备可以用于执行图1所示的实施例所提供的方法,因此,对于该设备的各功能模块所能够实现的功能等可参考图1所示的实施例的描述,不多赘述。
请参见图3,基于同一发明构思,本发明实施例提供一种更新以图搜图的图库的设备,包括至少一个处理器301,至少一个处理器301用于执行存储器中存储的计算机程序时实现图1所示的实施例提供的更新以图搜图的图库的方法的步骤。
可选的,至少一个处理器301具体可以包括中央处理器(CPU)、特定应用集成电路(application specific integrated circuit,ASIC),可以是一个或多个用于控制程序执行的集成电路,可以是使用现场可编程门阵列(field programmable gate array,FPGA)开发的硬件电路,可以是基带处理器。
可选的,至少一个处理器301可以包括至少一个处理核心。
可选的,更新以图搜图的图库的设备还包括存储器302,存储器302可以包括只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)和磁盘存储器。存储器302用于存储至少一个处理器301运行时所需的数据。存储器302的数量为一个或多个。其中,存储器302在图3中一并示出,但需要知道的是存储器302不是必选的功能模块,因此在图3中以虚线示出。
基于同一发明构思,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如图1所示的更新以图搜图的图库的方法。
在具体的实施过程中,可读存储介质包括:通用串行总线闪存盘(UniversalSerial Bus flash drive,USB)、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的存储介质。
在本发明实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性或其它的形式。
在本发明实施例中的各功能单元可以集成在一个处理单元中,或者各个单元也可以均是独立的物理模块。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备,例如可以是个人计算机,服务器,或者网络设备等,或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:通用串行总线闪存盘(universal serial bus flash drive)、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以对本申请的技术方案进行了详细介绍,但以上实施例的说明只是用于帮助理解本发明实施例的方法,不应理解为对本发明实施例的限制。本技术领域的技术人员可轻易想到的变化或替换,都应涵盖在本发明实施例的保护范围之内。
Claims (10)
1.一种更新以图搜图的图库的方法,其特征在于,所述方法包括:
在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;
若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;
根据所述异常次数以及更新图片更新所述图库,所述更新图片为与所述模板图片匹配时出现所述搜索异常的所有待搜索图片中,与所述模板图片的相似度最高的图片。
2.如权利要求1所述的方法,其特征在于,所述异常次数包括累计异常次数,所述根据所述异常次数以及更新图片更新所述图库,包括:
确定所述累计异常次数是否大于累计异常次数阈值,其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数大于所述累计异常次数阈值,则通过所述更新图片更新所述图库。
3.如权利要求1所述的方法,其特征在于,所述异常次数包括连续异常次数,所述根据所述异常次数以及更新图片更新所述图库,包括:
确定所述连续异常次数是否大于连续异常次数阈值,其中,所述连续异常次数用于表征连续出现所述搜索异常的次数;
若确定所述连续异常次数大于所述连续异常次数阈值,则通过所述更新图片更新所述图库。
4.如权利要求1所述的方法,其特征在于,所述异常次数包括累计异常次数;在确定所述待搜索图片与图库中的所述模板图片匹配成功之后,将所述模板图片的累计匹配成功次数增加一次;
所述根据所述异常次数以及更新图片更新所述图库,包括:
确定在预设时间段内,所述累计异常次数与所述累计匹配成功次数的比值是否大于预设比例阈值;其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数与所述累计匹配成功次数的比值大于预设比例阈值,则通过所述更新图片更新所述图库。
5.一种更新以图搜图的图库的设备,其特征在于,包括:
确定单元,用于在确定待搜索图片与图库中的模板图片匹配成功时,确定所述待搜索图片与所述模板图片的相似度是否不大于预设更新阈值;
计数单元,用于若确定所述待搜索图片与所述模板图片的相似度不大于所述预设更新阈值,则将所述模板图片出现搜索异常的异常次数增加一次;其中,所述搜索异常为出现图片与模板图片匹配成功,但与模板图片的相似度不大于所述预设更新阈值的情况;
更新单元,根据所述异常次数以及更新图片更新所述图库,所述更新图片为与所述模板图片匹配时出现所述搜索异常的所有待搜索图片中,与所述模板图片的相似度最高的图片。
6.如权利要求5所述的设备,其特征在于,所述异常次数包括累计异常次数,则所述更新单元具体用于:
确定所述累计异常次数是否大于累计异常次数阈值,其中,所述累计异常次数用于表征出现所述搜索异常的总次数;
若确定所述累计异常次数大于所述累计异常次数阈值,则通过所述更新图片更新所述图库。
7.如权利要求5所述的设备,其特征在于,所述异常次数包括连续异常次数,则所述更新单元具体用于:
确定所述连续异常次数是否大于连续异常次数阈值,其中,所述连续异常次数用于表征连续出现所述搜索异常的次数;
若确定所述连续异常次数大于所述连续异常次数阈值,则通过所述更新图片更新所述图库。
8.如权利要求5所述的设备,其特征在于,所述异常次数包括累计异常次数,
所述计数单元还用于:在确定所述待搜索图片与图库中的所述模板图片匹配成功之后,将所述模板图片的累计匹配成功次数增加一次;
所述更新单元具体用于:确定在预设时间段内,所述累计异常次数与所述累计匹配成功次数的比值是否大于预设比例阈值;其中,所述累计异常次数用于表征出现所述搜索异常的总次数;若确定所述累计异常次数与所述累计匹配成功次数的比值大于预设比例阈值,则通过所述更新图片更新所述图库。
9.一种更新以图搜图的图库的设备,其特征在于,
所述设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-4中任一项所述的方法。
10.一种可读存储介质,其特征在于:
所述可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810778341.XA CN110727815B (zh) | 2018-07-16 | 2018-07-16 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810778341.XA CN110727815B (zh) | 2018-07-16 | 2018-07-16 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110727815A true CN110727815A (zh) | 2020-01-24 |
CN110727815B CN110727815B (zh) | 2024-01-30 |
Family
ID=69217308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810778341.XA Active CN110727815B (zh) | 2018-07-16 | 2018-07-16 | 一种更新以图搜图的图库的方法、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110727815B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007272768A (ja) * | 2006-03-31 | 2007-10-18 | Oki Electric Ind Co Ltd | 映像監視システム、監視映像の異常検出方法及び監視映像の異常検出プログラム |
CN101539944A (zh) * | 2009-04-10 | 2009-09-23 | 浙江工业大学 | 基于Haar特征匹配的数字图像内容搜索方法 |
CN102110122A (zh) * | 2009-12-24 | 2011-06-29 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
CN104933342A (zh) * | 2015-06-18 | 2015-09-23 | 广东欧珀移动通信有限公司 | 一种图片查看方法及移动终端 |
CA2872695A1 (en) * | 2014-11-28 | 2016-05-28 | Ignu Inc. | Method, system and apparatus for dynamically controlling web-based media galleries |
CN106528552A (zh) * | 2015-09-09 | 2017-03-22 | 杭州海康威视数字技术股份有限公司 | 图像搜索方法及系统 |
US20170213074A1 (en) * | 2016-01-27 | 2017-07-27 | Intel Corporation | Decoy-based matching system for facial recognition |
CN107305566A (zh) * | 2016-04-21 | 2017-10-31 | 北京搜狗科技发展有限公司 | 一种为搜索信息匹配图片的方法及装置 |
CN107423297A (zh) * | 2016-05-23 | 2017-12-01 | 中兴通讯股份有限公司 | 图片的筛选方法及装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN108197250A (zh) * | 2017-12-29 | 2018-06-22 | 深圳云天励飞技术有限公司 | 图片检索方法、电子设备及存储介质 |
-
2018
- 2018-07-16 CN CN201810778341.XA patent/CN110727815B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007272768A (ja) * | 2006-03-31 | 2007-10-18 | Oki Electric Ind Co Ltd | 映像監視システム、監視映像の異常検出方法及び監視映像の異常検出プログラム |
CN101539944A (zh) * | 2009-04-10 | 2009-09-23 | 浙江工业大学 | 基于Haar特征匹配的数字图像内容搜索方法 |
CN102110122A (zh) * | 2009-12-24 | 2011-06-29 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
CA2872695A1 (en) * | 2014-11-28 | 2016-05-28 | Ignu Inc. | Method, system and apparatus for dynamically controlling web-based media galleries |
CN104933342A (zh) * | 2015-06-18 | 2015-09-23 | 广东欧珀移动通信有限公司 | 一种图片查看方法及移动终端 |
CN106528552A (zh) * | 2015-09-09 | 2017-03-22 | 杭州海康威视数字技术股份有限公司 | 图像搜索方法及系统 |
US20170213074A1 (en) * | 2016-01-27 | 2017-07-27 | Intel Corporation | Decoy-based matching system for facial recognition |
CN107305566A (zh) * | 2016-04-21 | 2017-10-31 | 北京搜狗科技发展有限公司 | 一种为搜索信息匹配图片的方法及装置 |
CN107423297A (zh) * | 2016-05-23 | 2017-12-01 | 中兴通讯股份有限公司 | 图片的筛选方法及装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN108197250A (zh) * | 2017-12-29 | 2018-06-22 | 深圳云天励飞技术有限公司 | 图片检索方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
徐寅, 章毓晋: "图象检索算子开放测试平台T-Brief设计与实现", 计算机工程与应用, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN110727815B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210142108A1 (en) | Methods, apparatus, and storage medium for classifying graph nodes | |
WO2013121181A1 (en) | Method of machine learning classes of search queries | |
CN106997431B (zh) | 一种数据处理方法及装置 | |
CN109800318B (zh) | 一种归档方法及装置 | |
WO2020073526A1 (zh) | 基于信任网络的推送方法、装置、计算机设备及存储介质 | |
CN110309410B (zh) | 一种资讯推荐方法、平台及计算机可读存储介质 | |
CN108182200B (zh) | 基于语义相似度的关键词拓展方法和装置 | |
WO2017095413A1 (en) | Incremental automatic update of ranked neighbor lists based on k-th nearest neighbors | |
CN109213933B (zh) | 内容项推荐方法、装置、设备及存储介质 | |
CN110727815A (zh) | 一种更新以图搜图的图库的方法、设备及可读存储介质 | |
US11544276B2 (en) | Search device, method and program recording medium | |
WO2017065795A1 (en) | Incremental update of a neighbor graph via an orthogonal transform based indexing | |
CN111507424B (zh) | 一种数据处理方法及装置 | |
CN110019783B (zh) | 属性词聚类方法及装置 | |
US10803053B2 (en) | Automatic selection of neighbor lists to be incrementally updated | |
CN113255484B (zh) | 视频匹配方法、视频处理方法、装置、电子设备及介质 | |
CN112887426B (zh) | 信息流的推送方法、装置、电子设备以及存储介质 | |
CN113641855A (zh) | 一种视频推荐方法、装置、设备及存储介质 | |
CN113297416A (zh) | 视频数据存储方法、装置、电子设备和可读存储介质 | |
CN111708908A (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
CN114372150A (zh) | 知识图谱构建方法、系统、装置及存储介质 | |
KR102622433B1 (ko) | 데이터의 타입을 자동으로 판별하여 메타데이터를 생성하는 방법 및 이를 위한 머신러닝/딥러닝 모델을 이용한 데이터 타입 판별 장치 | |
US9449098B2 (en) | System and method for performing a multiple pass search | |
US20170139969A1 (en) | Method for filtering and analyzing big data, electronic device, and non-transitory computer-readable storage medium | |
JP6008886B2 (ja) | 情報処理装置及び方法 |
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 |