CN111506756B - 相似图片的查找方法及系统、电子设备、存储介质 - Google Patents
相似图片的查找方法及系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111506756B CN111506756B CN201910092431.8A CN201910092431A CN111506756B CN 111506756 B CN111506756 B CN 111506756B CN 201910092431 A CN201910092431 A CN 201910092431A CN 111506756 B CN111506756 B CN 111506756B
- Authority
- CN
- China
- Prior art keywords
- picture
- hash
- pictures
- hash code
- similar
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 1
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种相似图片的查找方法及系统、电子设备、存储介质。所述查询方法包括：生成目标图片的哈希码，并按照预设规则对所述哈希码进行划分，得到至少一段哈希码段；将所述哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值；根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片。本发明实施例基于图片的哈希码，为图片的哈希码建立多次索引，实现了相似图片的快速、准确查询。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种相似图片的查找方法及系统、电子设备、存储介质。
背景技术
目前，以图搜图作为一种颠覆式的搜索技术，引发了更多领域的关注，除了在搜索引擎上广泛使用，以图搜图在电商领域也很活跃，用户在购物过程中，无需输入文字信息，而是通过点击图片，挑选自己中意的款式和样式，一步步找到最满意的商品。对于以图搜图算法，常用的方法比较多，主要分为两类：
第一类：基于图片自有信息的方法：根据图片的名称、主题、关键字、备注甚至标签等信息，通过搜索引擎自动获取图片相关信息，再通过这些已知信息进行检索。这种搜索本质上还是基于文字信息的检索，实现简单，快捷。但是，这样的搜索方法只能识别同名、同作者之类的图片，对于相似图片的搜索显得无能为力，准确率不高。
第二类：基于图片本身视觉特征的搜索，如根据图片的颜色、形状、纹理等涉及图像自身视觉特征的信息，建立图片库，提取特征、聚类建立索引。在用户搜索时，对原始图片进行解析，去繁就简，然后与数据库索引进行特征值的对比，特征值越相近，两个对象之间的相似程度越高。由于各种特征提取技术发展均不是很完善，这种方法搜索效率低，且到的结果准确率不高。
发明内容
本发明实施例要解决的技术问题是为了克服现有技术中图片的搜索方式不仅效率低且准确率不高的缺陷，提供一种相似图片的查找方法及系统、电子设备、存储介质。
本发明实施例是通过下述技术方案来解决上述技术问题：
一种相似图片的查询方法，所述查询方法包括：
生成目标图片的哈希码，并按照预设规则对所述哈希码进行划分，得到至少一段哈希码段；
将所述哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值；
根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片。
较佳地，对所述哈希码进行划分的步骤之前，还包括：
基于汉明距离确定图片的相似等级；
所述预设规则包括：不同的相似等级对应的划分哈希码段的数量。
较佳地，当所述数量大于等于2时，每段哈希码段的位数相同。
较佳地，获取与所述目标图片匹配的相似图片的步骤之前，还包括：
序列化所述多张候选图片的图片信息；
将序列化的图片信息作为哈希值存储于redis(一种存储系统)键值数据库中。
较佳地，所述redis键值数据库包括唯一性列表和详情信息列表；
所述唯一性列表包括以下字段：图片标识码和哈希值；
所述详情信息列表包括以下字段：图片标识码和图片位置；
根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片的步骤，具体包括：
从所述唯一性列表中查询出与所述键值匹配的所有哈希值的图片标识码；
根据查询出的图片标识从所述详情信息列表中查询出所述相似图片的图片位置。
较佳地，生成目标图片的哈希码的步骤之前，所述查询方法还包括：
对所述目标图片进行空白裁剪，以去除所述目标图片中的空白像素点。
较佳地，生成目标图片的哈希码的步骤，具体包括：
基于aHash(平均哈希算法)或pHash(感知哈希算法)或dHash(差异值哈希算法)或颜色直方图算法生成所述目标图片的哈希码。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的相似图片的查询方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的相似图片的查询方法的步骤。
一种相似图片的查询系统，所述查询系统包括：
哈希码生成模块，用于生成目标图片的哈希码，并按照预设规则对所述哈希码进行划分，得到至少一段哈希码段；
键值建立模块，用于将所述哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值；
查找模块，用于根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片。
本发明实施例的积极进步效果在于：本发明实施例基于图片的哈希码，为图片的哈希码建立多次索引，实现了相似图片的快速、准确查询。
附图说明
图1为本发明实施例1的相似图片的查找方法的流程图。
图2为本发明实施例2的电子设备的结构示意图。
图3为本发明实施例4的相似图片的查找系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例的相似图片的查询方法，用于从多张候选图片中选择出与目标图片相似的图片，多张候选图片的图片信息存储于redis(一种存储系统)键值数据库中。具体的，使用protobuf(一种结构化数据存储格式)序列化多张候选图片的图片信息，将序列化的图片信息作为哈希值(Value)存储于redis键值数据库中。redis键值数据库中包括：图片的唯一性列表和图片的详情信息列表。图片的唯一性列表包括uniqueId(图片标识码，也即图片唯一码)、哈希码和哈希值等字段；图片的详情信息列表包括uniqueId和图片的详细信息，例如，图片对象的sku(库存量单位)、spu_id(sku集合)、shop_id(店铺)和image_url(图片位置)等字段。
如图1所示，本实施例的相似图片的查询方法包括以下步骤：
步骤110、在接收到查询请求时，生成目标图片的哈希码。
其中，查询请求包括目标图片。
本实施例中，可以但不限于采用aHash哈希算法生成图片的哈希码，还可以采用pHash、dhash或颜色直方图算法。哈希码是由0和1组成的字符串。其中，哈希码的位数可根据实际情形自行设置，例如本实施例中采用的64位。
本实施例中，步骤110之前还包括：
步骤101、对目标图片进行空白裁剪，以去除目标图片中的空白像素点，减小计算量。
步骤120、按照预设规则对哈希码进行划分，得到至少一段哈希码段。
本实施例中，步骤120之前，还包括：基于汉明距离确定图片的相似等级。
其中，相似等级可以但不限于此：若两张图片的汉明距离为0，说明两张图片的哈希码完全相同，相似等级确定为非常相似；若两张图片的汉明距离为1，说明两张图片的哈希码只有1位出现了差异，相似等级确定为相似；若两张图片的汉明距离为2，说明两张图片的哈希码有2位出现了差异，相似等级确定为比较相似；若两张图片的汉明距离为3，说明两张图片的哈希码有3位出现了差异，相似等级确定为模糊相似；若两张图片的汉明距离为4，说明两张图片的哈希码有4位出现了差异，相似等级确定为不相似。
本实施例中，查询请求还包括：相似度等级；用户可根据相似度等级自行定义获取的相似图片与目标图片的相关程度。预设规则包括：不同的相似等级对应的划分哈希码段的数量。
步骤120也即根据查询请求的相似等级将目标图片的哈希码划分为相应数量的哈希码段。其中，为了便于查找计算，对哈希码进行等位数划分，也即根据同一相似等级划分得到的哈希码段的位数相同，例如，对于查找与目标图片的相似等级为比较相似的图片，将64位的目标图片划分为4段，每段哈希码段的位数为16位。
步骤130、将哈希码段进行组合，将组合后的哈希码段作为图片多次索引的键值。
以下以上述定义的四种相似等级为例，对哈希码的划分和多索引的键值(Key)建立作进一步说明：
(1)对于查询汉明距离为0的图片，Redis的Key设计如表1所示：
表1
| 索引序号 | Key的设计 |
| 1 | Location_64 |
其中，Location_64表示64位哈希码。
(2)对于查找汉明距离≤1的图片，将64位哈希码平均分成两段，哈希码中出现差异的那个位置要么出现在左侧的32位，要么出现在右侧的32位，只需要针对每张图片以Location_1或Location_2分别做两次索引，就能够将所有汉明距离小于等于1的哈希码全部检索出来，Redis的Key设计如表2所示：
表2
其中，Location_1_32表示哈希码的左32位，Location_2_32表示表示哈希码的右32位。
(3)对于查找汉明距离≤2的图片，将64位哈希码平均分成四段，从左到右标记为1/2/3/4，出现差异的那两个位置有10种可能性，如表3所示：
表3
| 序号 | Location_1_16 | Location_2_16 | Location_3_16 | Location_4_16 |
| 1 | 差异二位 | |||
| 2 | 差异二位 | |||
| 3 | 差异二位 | |||
| 4 | 差异二位 | |||
| 5 | 差异一位 | 差异一位 | ||
| 6 | 差异一位 | 差异一位 | ||
| 7 | 差异一位 | 差异一位 | ||
| 8 | 差异一位 | 差异一位 | ||
| 9 | 差异一位 | 差异一位 | ||
| 10 | 差异一位 | 差异一位 |
此时，需要考虑最坏的6种情况，所以只需要针对每张图片做6次索引，就能够将所有汉明距离小于等于2的哈希码全部检索出来，Redis的Key设计如表4所示：
表4
| 索引序号 | Key的设计 |
| 1 | Location_1_16+Location_2_16 |
| 2 | Location_1_16+Location_3_16 |
| 3 | Location_1_16+Location_4_16 |
| 4 | Location_2_16+Location_3_16 |
| 5 | Location_2_16+Location_4_16 |
| 6 | Location_3_16+Location_4_16 |
其中，Location_1_16表示哈希码的左边16位，Location_2_16表示哈希码的左中16位，Location_3_16表示哈希码的右中16位，Location_4_16表示哈希码的右边16位。
(4)对于查找汉明距离小于等于3，将64位哈希码平均分成四段，从左到右标记为1/2/3/4，出现差异的三个位置有18种可能性，需要考虑最坏的4种情况，如表5所示：
表5
| 序号 | Location_1_16 | Location_2_16 | Location_3_16 | Location_4_16 |
| 1 | 差异一位 | 差异一位 | 差异一位 | |
| 2 | 差异一位 | 差异一位 | 差异一位 | |
| 3 | 差异一位 | 差异二位 | 差异一位 | |
| 4 | 差异一位 | 差异一位 | 差异一位 |
此时，只需要针对每张图片做4次索引，就能够将所有汉明距离小于等于3的感知哈希码全部检索出来，Redis的Key设计如表6所示：
表6
| 索引序号 | Key的设计 |
| 1 | Location_1_16 |
| 4 | Location_2_16 |
| 5 | Location_3_16 |
| 6 | Location_4_16 |
从而，根据用户选择的相似等级，可得到目标图片的多组键值。例如，需要查找汉明距离≤2的图片，则键值设计参见表1、表2和表4。
步骤140、根据键值从多张候选图片中，获取与目标图片匹配的相似图片。
本实施例中，步骤140具体包括：
步骤140-1、检索redis，根据设计的多组键值从图片的唯一性列表中查询出图片的uniqueId和哈希码列表。以过滤出业务需要的与目标图片匹配的相似图片的uniqueId列表。
步骤140-2、根据uniqueId列表的哈希值从图片的详情信息列表中查询出相似图片的详情信息。
本实施例中，使用管道的方式进行存储和读取，且使用两次检索的方式，以减少读取Redis时的RPC(远程过程调用协议)开销。
本实施例中，克服了在汉明空间检索相似图片时，遍历查询非常耗费时，而为每张图片都建立一个哈希表又非常耗费存储空间的缺陷，采取折中的方式，通过“以空间换时间”，为图片的哈希码建立多次索引，以比较小的内存冗余为代价，实现在汉明空间中相似图片的快速、准确查询。
实施例2
图2为本发明实施例提供的一种电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备90的框图。图2显示的电子设备90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2所示，电子设备90可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备90的组件可以包括但不限于：上述至少一个处理器91、上述至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925(或实用工具)，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1所提供的相似图片的查询方法。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，模型生成的电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器96通过总线93与模型生成的电子设备90的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的电子设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例3
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1所提供的相似图片的查询方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1所述的相似图片的查询方法中的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例4
本实施例的相似图片的查询方法，用于从多张候选图片中选择出与目标图片相似的图片。如图3所示，本实施例的相似图片的查询系统包括：哈希码生成模块1、键值建立模块2、查找模块3、等级确定模块4和存储模块5。
存储模块5用于序列化多张候选图片的图片信息，并将序列化的图片信息作为哈希值存储于redis键值数据库中。具体的，存储模块5使用protobuf序列化多张候选图片的图片信息。redis键值数据库中包括：图片的唯一性列表和图片的详情信息列表。图片的唯一性列表包括uniqueId(图片标识码，也即图片唯一码)、哈希码和哈希值等字段；图片的详情信息列表包括uniqueId和图片的详细信息，例如，图片对象的sku(库存量单位)、spu_id(sku集合)、shop_id(店铺)和image_url(图片位置)等字段。
等级确定模块4用于基于汉明距离确定图片的相似等级。其中，相似等级可以但不限于此：若两张图片的汉明距离为0，说明两张图片的哈希码完全相同，相似等级确定为非常相似；若两张图片的汉明距离为1，说明两张图片的哈希码只有1位出现了差异，相似等级确定为相似；若两张图片的汉明距离为2，说明两张图片的哈希码有2位出现了差异，相似等级确定为比较相似；若两张图片的汉明距离为3，说明两张图片的哈希码有3位出现了差异，相似等级确定为模糊相似；若两张图片的汉明距离为4，说明两张图片的哈希码有4位出现了差异，相似等级确定为不相似。
哈希码生成模块1用于在接收到查找请求时，生成目标图片的哈希码，并按照预设规则对哈希码进行划分，得到至少一段哈希码段。其中，查找请求包括目标图片和相似度等级；用户可根据相似度等级自行定义获取的相似图片与目标图片的相关程度。本实施例中，生成目标图片的哈希码之前，还可对目标图片进行空白裁剪，以去除目标图片中的空白像素点，减小计算量。其中，可以但不限于采用aHash哈希算法生成图片的哈希码，还可以采用pHash、dhash或颜色直方图算法。
本实施例中，哈希码的位数可根据实际情形自行设置，例如本实施例中采用的64位。预设规则包括：不同的相似等级对应的划分哈希码段的数量。哈希码生成模块1具体用于根据相似等级将目标图片的哈希码划分为相应数量的哈希码段。其中，为了便于查找计算，对哈希码进行等位数划分，也即根据同一相似等级划分得到的哈希码段的位数相同，例如，对于查找与目标图片的相似等级为比较相似的图片，则将64位的目标图片划分为4段，每段哈希码段的位数为16位。
键值建立模块2用于将哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值，以根据用户选择的相似等级，得到目标图片的多组键值。其中，对哈希码进行划分和多索引的键值建立与实施例1示出的查询方法中类似，在此不再赘述。
查找模块3用于根据键值从多张候选图片中，获取与目标图片匹配的相似图片。以下对查找模块3的具体工作原理作进一步说明：
首先，检索redis，根据设计的多组键值从图片的唯一性列表中查询出图片的uniqueId和哈希码列表。以过滤出业务需要的与目标图片匹配的相似图片的uniqueId列表；
然后，根据uniqueId列表的哈希值从图片的详情信息列表中查询出相似图片的详情信息。
本实施例中，使用管道的方式进行存储和读取，且使用两次检索的方式，以减少读取Redis时的RPC(远程过程调用协议)开销。
本实施例中，克服了在汉明空间检索相似图片时，遍历查询非常耗费时，而为每张图片都建立一个哈希表又非常耗费存储空间的缺陷，采取折中的方式，通过“以空间换时间”，为图片的哈希码建立多次索引，以比较小的内存冗余为代价，实现在汉明空间中相似图片的快速、准确查询。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种相似图片的查询方法，其特征在于，所述查询方法包括：
生成目标图片的哈希码，并按照预设规则对所述哈希码进行划分，得到至少一段哈希码段；
根据用户选择的相似等级将所述哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值；
根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片；
获取与所述目标图片匹配的相似图片的步骤之前，还包括：
序列化所述多张候选图片的图片信息；
将序列化的图片信息作为哈希值存储于redis键值数据库中；
所述redis键值数据库包括唯一性列表和详情信息列表；
所述唯一性列表包括以下字段：图片标识码和哈希值；
所述详情信息列表包括以下字段：图片标识码和图片位置；
根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片的步骤，具体包括：
从所述唯一性列表中查询出与所述键值匹配的所有哈希值的图片标识码；
根据查询出的图片标识从所述详情信息列表中查询出所述相似图片的图片位置。
2.如权利要求1所述的相似图片的查询方法，其特征在于，对所述哈希码进行划分的步骤之前，还包括：
基于汉明距离确定图片的相似等级；
所述预设规则包括：不同的相似等级对应的划分哈希码段的数量。
3.如权利要求2所述的相似图片的查询方法，其特征在于，当所述数量大于等于2时，每段哈希码段的位数相同。
4.如权利要求3所述的相似图片的查询方法，其特征在于，生成目标图片的哈希码的步骤之前，所述查询方法还包括：
对所述目标图片进行空白裁剪，以去除所述目标图片中的空白像素点。
5.如权利要求1所述的相似图片的查询方法，其特征在于，生成目标图片的哈希码的步骤，具体包括：
基于aHash或pHash或dHash或颜色直方图算法生成所述目标图片的哈希码。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的相似图片的查询方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的相似图片的查询方法的步骤。
8.一种相似图片的查询系统，其特征在于，所述查询系统包括：
哈希码生成模块，用于生成目标图片的哈希码，并按照预设规则对所述哈希码进行划分，得到至少一段哈希码段；
键值建立模块，用于根据用户选择的相似等级将所述哈希码段进行组合，并将组合后的哈希码段作为图片多次索引的键值；
查找模块，用于根据所述键值从多张候选图片中，获取与所述目标图片匹配的相似图片；
存储模块，用于序列化所述多张候选图片的图片信息；还用于将序列化的图片信息作为哈希值存储于redis键值数据库中；
所述redis键值数据库包括唯一性列表和详情信息列表；
所述唯一性列表包括以下字段：图片标识码和哈希值；
所述详情信息列表包括以下字段：图片标识码和图片位置；
查询模块，用于从所述唯一性列表中查询出与所述键值匹配的所有哈希值的图片标识码；还用于根据查询出的图片标识从所述详情信息列表中查询出所述相似图片的图片位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910092431.8A CN111506756B (zh) | 2019-01-30 | 2019-01-30 | 相似图片的查找方法及系统、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910092431.8A CN111506756B (zh) | 2019-01-30 | 2019-01-30 | 相似图片的查找方法及系统、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111506756A CN111506756A (zh) | 2020-08-07 |
| CN111506756B true CN111506756B (zh) | 2024-05-17 |
Family
ID=71873918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910092431.8A Active CN111506756B (zh) | 2019-01-30 | 2019-01-30 | 相似图片的查找方法及系统、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111506756B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112099742A (zh) * | 2020-08-13 | 2020-12-18 | 深圳奇迹智慧网络有限公司 | 异步显示控制方法、异步显示控制终端以及异步显示系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8942487B1 (en) * | 2010-08-09 | 2015-01-27 | Google Inc. | Similar image selection |
| CN105095435A (zh) * | 2015-07-23 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种图像高维特征的相似比较方法及装置 |
| CN105574212A (zh) * | 2016-02-24 | 2016-05-11 | 北京大学 | 一种多索引磁盘哈希结构的图像检索方法 |
| CN105740428A (zh) * | 2016-01-29 | 2016-07-06 | 北京大学 | 一种基于b+树的高维磁盘索引结构和图像检索方法 |
| CN107729935A (zh) * | 2017-10-12 | 2018-02-23 | 杭州贝购科技有限公司 | 相似图片的识别方法和装置、服务器、存储介质 |
| CN108959441A (zh) * | 2018-06-13 | 2018-12-07 | 新华智云科技有限公司 | 一种基于局部敏感哈希的近相似快速查找方法 |
-
2019
- 2019-01-30 CN CN201910092431.8A patent/CN111506756B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8942487B1 (en) * | 2010-08-09 | 2015-01-27 | Google Inc. | Similar image selection |
| CN105095435A (zh) * | 2015-07-23 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种图像高维特征的相似比较方法及装置 |
| CN105740428A (zh) * | 2016-01-29 | 2016-07-06 | 北京大学 | 一种基于b+树的高维磁盘索引结构和图像检索方法 |
| CN105574212A (zh) * | 2016-02-24 | 2016-05-11 | 北京大学 | 一种多索引磁盘哈希结构的图像检索方法 |
| CN107729935A (zh) * | 2017-10-12 | 2018-02-23 | 杭州贝购科技有限公司 | 相似图片的识别方法和装置、服务器、存储介质 |
| CN108959441A (zh) * | 2018-06-13 | 2018-12-07 | 新华智云科技有限公司 | 一种基于局部敏感哈希的近相似快速查找方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111506756A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qin et al. | Hello neighbor: Accurate object retrieval with k-reciprocal nearest neighbors | |
| US11048966B2 (en) | Method and device for comparing similarities of high dimensional features of images | |
| US8798357B2 (en) | Image-based localization | |
| CN108733681B (zh) | 信息处理方法及装置 | |
| US5465353A (en) | Image matching and retrieval by multi-access redundant hashing | |
| US8868569B2 (en) | Methods for detecting and removing duplicates in video search results | |
| CN102725755B (zh) | 文件访问方法及系统 | |
| EP3767483A1 (en) | Method, device, system, and server for image retrieval, and storage medium | |
| CN102521270B (zh) | 用于有效预先计算的可分解的分级 | |
| US20120117122A1 (en) | Optimized KD-Tree for Scalable Search | |
| Tiakas et al. | MSIDX: multi-sort indexing for efficient content-based image search and retrieval | |
| CN111026922B (zh) | 一种分布式向量索引方法、系统、插件及电子设备 | |
| CN112860993A (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
| CN110083731B (zh) | 图像检索方法、装置、计算机设备及存储介质 | |
| CN116126864A (zh) | 索引构建方法、数据查询方法及相关设备 | |
| CN115618096A (zh) | 内积检索方法和电子设备 | |
| CN111506756B (zh) | 相似图片的查找方法及系统、电子设备、存储介质 | |
| CN113918807A (zh) | 数据推荐方法、装置、计算设备及计算机可读存储介质 | |
| CN110209895B (zh) | 向量检索方法、装置和设备 | |
| Feng et al. | Real-time SLAM relocalization with online learning of binary feature indexing | |
| Breuel | A comparison of search strategies for geometric branch and bound algorithms | |
| US20160292282A1 (en) | Detecting and responding to single entity intent queries | |
| CN115409070A (zh) | 离散数据序列临界点的确定方法、装置以及设备 | |
| US7398258B2 (en) | Dimensional reduction using data matching in high dimensional space | |
| CN111309704B (zh) | 数据库操作方法和数据库操作系统 |
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 |