CN112507158A - 图像处理方法和装置 - Google Patents

Abstract

本申请公开了图像处理方法和装置，涉及计算机视觉和深度学习技术领域。具体实施方式包括：通过训练后的神经网络确定目标图像的特征向量；利用所述目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，所述检索结果中每个图像分别具有标签；基于所述标签对所述检索结果进行排序处理，得到排序结果；将所述排序结果作为所述目标图像对应的结果输出。本申请实施例通过计算目标图像与数据库中图像的特征向量相似度得到检索结果，在检索结果的基础上通过检索结果中图像的标签进行排序处理，提高了检索精度，并使得检索结果更加符合用户的预期。

Description

图像处理方法和装置

技术领域

本申请涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，尤其涉及图像处理方法和装置。

背景技术

人工智能是目前研究和开发用于模拟、延伸以及扩展人类智能的一门新兴科学技术。时下人工智能技术已经被广泛应用于多种场景下，比如图像检索场景。简单来说，图像检索是从海量图像中检索与某个图像相似或相同的其他图像，即是以图找图，允许用户输入一个图像，以查找相似或相同的其他图像。

而图像检索中，大都是通过手工设计特征，或者是直接通过训练一个人工智能神经网络模型作为图像检索的依据，检索精度差。

发明内容

提供了一种图像处理方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种图像处理方法，包括：通过训练后的神经网络确定目标图像的特征向量；利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，检索结果中每个图像分别具有标签；基于标签对检索结果进行排序处理，得到排序结果；将排序结果作为目标图像对应的结果输出。

根据第二方面，提供了一种图像处理装置，包括：确定模块，被配置成通过训练后的神经网络确定目标图像的特征向量；检索模块，被配置成利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，所述检索结果中每个图像分别具有标签；排序模块，被配置成基于标签对所述检索结果进行排序处理，得到排序结果；输出模块，被配置成将排序结果作为目标图像对应的结果输出。

根据第三方面，提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如图像处理方法中任一实施例的方法。

根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图像处理方法中任一实施例的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据图像处理方法中任一实施例的方法。

根据本申请的方案，通过计算目标图像与数据库中图像的特征向量相似度得到检索结果，在检索结果的基础上通过检索结果中图像的标签进行排序处理，提高了检索精度，并使得检索结果更加符合用户的预期。

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，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请一些实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的图像处理方法的一个实施例的流程图；

图3是根据本申请的图像处理方法的一个应用场景的示意图；

图4是根据本申请的图像处理方法的又一个实施例的流程图；

图5是根据本申请的图像处理方法的再一个实施例的流程图；

图6是根据本申请的图像处理装置的一个实施例的结构示意图；

图7是用来实现本申请实施例的图像处理方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的图像处理方法或图像处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如浏览器应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的目标图像等数据进行分析等处理，并将处理结果(例如排序结果)反馈给终端设备。

需要说明的是，本申请的实施例所提供的图像处理方法可以由服务器105或者终端设备101、102、103执行，相应地，图像处理装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1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。

继续参考图2，示出了根据本申请的图像处理方法的一个实施例的流程200。该图像处理方法，包括以下步骤：

步骤201，通过训练后的神经网络确定目标图像的特征向量。

在本实施例中，图像处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以对主动获取或被动获取到的一个目标图像提取特征向量，也可以对接收到的多个目标图像分别提取特征向量。具体地，这里的神经网络可以指深度神经网络。

应理解，上述执行主体获取目标图像的实现方式有多种，比如，可以是用户通过终端发送给服务器，由服务器获取；也可以是用户下达指示后，由终端设备的处理器获取，本申请的实施例对此不作特别的限制。

在本实施例中，神经网络是通过度量学习训练而来的，通过度量学习可以得到类别间区分性更强的特征，从而显著提高检索精度。

步骤202，利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，检索结果中每个图像分别具有标签。

在本实施例中，数据库中的图像数据包括每个图像的特征向量和标签。每个图像的特征向量和标签可以是预先通过训练后的神经网络确定的。

本实施例的实现方式可以基于多种方式实现。例如，在一种实现方式中，上述执行主体可以利用目标图像的特征向量在数据库中进行图像检索，得到检索结果的具体过程可以包括：上述执行主体先确定目标图像与数据库中所有图像的特征向量的余弦相似度，然后根据余弦相似度从高到低的顺序进行图像排序，选取前K个结果作为检索结果，K大于零。或者，上述执行主体先确定目标图像与数据库中所有图像的特征向量的余弦相似度，然后确定余弦相似度高于预设阈值的图像，将余弦相似度高于预设阈值的图像作为检索结果。

步骤203，基于标签对检索结果进行排序处理，得到排序结果。

现有技术中只将基于图像特征得到的检索结果作为最终的结果，但是若只对比图像特征的相似度，图像排序结果不一定合理，可能会出现所需的检索正确结果排在错误其它检索结果后面的情况。

本实施例中，上述执行主体可以将检索结果中的多个图像作为初步结果，通过标签调整检索结果中多个图像的排序结果作为输出结果，以进一步提高仅仅通过特征向量进行相似度检索的精度。

应理解，上述执行主体可以采用各种方式基于标签对上述检索结果进行排序处理，比如，可以根据检索结果中图像的标签对上述检索结果中的图像进行重新排序，或者可以根据检索结果中图像的标签调整检索结果中的图像排序。

还应理解，本申请实施例还可以基于检索结果中每个图像的权重和标签对检索结果进行排序处理，该权重是根据检索中每个图像的特征向量与上述预设阈值之间的差异等级确定的。基于上述权重和标签对检索结果进行排序处理的具体实现可以是根据现有技术中任意一种算法实现的，本申请实施例对此不作特别的限制。

步骤204，将排序结果作为目标图像对应的结果输出。

本实施例中，上述执行主体输出结果的实现方式有多种，比如，可以是通过终端设备发送或者显示排序结果，也可以是由服务器发送给终端设备，由终端设备显示排序结果。

本申请的上述实施例提供的方法，通过计算目标图像与数据库中图像的特征向量相似度得到检索结果，在检索结果的基础上通过检索结果中图像的标签进行排序处理，提高了检索精度，并使得检索结果更加符合用户的预期。

继续参见图3，图3是根据本实施例的图像处理方法的应用场景的一个示意图。在图3的应用场景中，终端设备301将待检索的目标图像发送给执行主体服务器，服务器接收到图像后，通过神经网络302进行特征提取，得到目标图像对应的特征向量303，然后通过特征向量303和数据库304中图像的特征向量之间的余弦相似度检索图像，并利用余弦相似度从高到底进行图像排序，将得到的结果作为检索结果305，再根据标签对检索结果进行图像排序，将得到的结果作为排序结果306。最后，将排序结果306作为目标图像对应的结果输出给终端设备301。

进一步参考图4，其示出了图像处理方法的又一个实施例的流程400。流程400通过检索结果中图像的标签确定置信标签，并基于置信标签进行图像排序，能够校验检索结果，进一步提高检索精度，而且，通过在检索结果中选取预设数量个相似度更高的结果，缩小了样本数量的同时，在一定程度上避免了噪音干扰，提高了置信标签的置信度。该流程400，包括以下步骤：

步骤401，通过训练后的神经网络确定目标图像的特征向量。

步骤402，利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，检索结果中每个图像分别具有标签，检索结果为按照特征向量相似度排列得到的图像序列。

步骤401、步骤402与步骤201、步骤202基本相同，因此不再赘述。

步骤403，按照图像序列中图像的特征向量相似度从大到小的顺序，在检索结果中选取预设数量的图像作为参考图像；

应理解，图像序列的顺序可以是按照特征向量相似度从大到小，也可以是按照特征向量相似度从小到大，本申请对此不作特别的限制。

本实施例中，图像处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)在特征向量相似度从大到小排列的图像序列的基础上，进一步选取预设数量的图像作为参考图像。例如，该图像序列对应的K个图像的基础上，进一步选取前N个图像作为参考图像，N大于零。

应理解，进一步选取前N个图像作为参考图像的选取方式可以是连续选取前N个图像，或者是按照一定的间隔选取前N个图像，再或者是通过抽样的方式选取前N个图像。

步骤404，基于参考图像所对应标签的频率，确定在参考图像中频率最高的标签为置信标签。

本实施例中，以邮币数据为例，当上述执行主体选取检索结果的前十个图像时(N＝10)，分别对应有五个一分钱硬币，三个两分钱硬币，两个五分钱硬币。此时，一分钱硬币的出现频率、出现次数最高，因此将一分钱硬币作为置信标签。当出现一些特殊情况，例如N＝1时，上述执行主体可以将检索结果中余弦相似度最高的图像的标签作为置信标签。

步骤405，通过置信标签调整图像序列，得到排序结果。

本实施例中，上述执行主体基于置信标签调整图像序列(K个图像)，可以通过多种方式实现，比如，执行主体分别判断检索结果中每个图像的标签是否与置信标签一致；若不一致，则将不一致的标签对应图像的排位在检索结果中后移；若一致，则保持一致的标签对应图像的排位不变。或者，执行主体分别判断检索结果中每个图像的标签是否与置信标签一致；若不一致，则保持不一致的标签对应图像的排位在检索结果中不变；若一致，则将一致的标签对应图像的排位前移。

最后，上述执行主体可以使调整后的图像排序(排序结果)中与置信标签不一致的图像排在与置信标签一致的图像的后面，并且具有置信标签的图像保持余弦相似度从高到低排列。

本申请的实施例基于置信标签对检索结果调整图像序列，保证与置信标签不一致的图像排在与置信标签一致的图像的后面，从而保证排序结果中图像排序的合理性。

步骤406，将排序结果作为目标图像对应的结果输出。步骤406与步骤204基本一致，因此不再赘述。

进一步参考图5，其示出了图像处理方法的再一个实施例的流程500。神经网络包括：脊骨网络、批归一化(BN，Batch Normalization)层、全局平均池化(GAP，GlobalAverage Pooling)层、全连接(FC，Fully connected)层和分类头。

现有技术中，通常会直接训练一个分类模型，以邮币数据为例，一共有100类的邮币数据，模型输出100维的分类准确率结果，将准确率最高的类别视为识别结果，通过模型分类层前一层的特征输出层得到一个特征作为检索依据。或者是通过人工设计特征，例如SIFT(Scale-Invariant Feature Transform)，LBP(Local Binary Pattern)等特征，直接计算邮币图像的特征，作为检索依据。

但是现有技术的如上操作方式会有如下问题：

一是神经网络分类模型得到的特征适合分类任务，并不适用于检索。主要的原因是该分类方法不会约束不同类别之间的特征具有区分性，只需要输出符合数据分布的概率即可。而对于检索来说，具有区分性的特征更利于检索到同类图像。

二是通过人工设计的特征的精确度一般会弱于标注过的数据集上训练的神经网络模型训练得到的特征的精确度，例如卷积神经网络CNN，主要原因是真实检索场景下数据通常会有光照、角度、复杂的背景，被遮挡等多种情况，人工特征无法应对所有情况，而神经网络模型通过深度学习的方法可以通过在数据集中学习到各类复杂情况，避免特征不够强的问题。此外，人工特征设计耗时耗力，不利于后续流程的快速迭代。

同样以邮币数据为例，邮币数据可以包含硬币，古代钱币(铜钱、刀币等)，银元，外国硬币，纪念币等钱币，该类数据特点是品类庞杂繁复，形状多为圆形且大小近似，相似度很高。同一种类硬币只在数值上有区分，例如两分硬币与一分硬币，只有细微差别，但是不能归为一类。目前通过简单的分类CNN模型无法得到区分性很强的特征向量，进而无法达到高质量的检索结果。

流程500通过重新组织神经网络分类模型的结构，利用度量学习得到更加具有区分性的特征向量，通过更加具有区分性的特征向量可以更好的提高检索精度。该流程500包括以下步骤：

步骤501，通过脊骨网络、批归一化层、全局平均池化层、全连接层提取目标图像的特征向量。

在本实施例中，脊骨网络(Backbone)的选取可以是resnet50、resnet101等用于分类的神经网络分类模型，比如用于分类的CNN的一部分，或者其它的用于分类的模型的一部分，本申请对此不作特别的限制。

在一些实施例中，如果该神经网络的倒数第二层具有池化层，可以去掉该神经网络倒数第二层的池化层最后一层用于分类的层，该用于分类的层通常是FC层，使得输入的图像通过脊骨网络处理后输出为N*C*H*W，其中，N表示N个特征矩阵、C表示通道数(channel)、H表示特征图高(height)、W表示特征图宽(width)。

进一步，在脊骨网络的基础上，上述执行主体还设有BN层、GAP层、FC层，即依次通过BN层对特征图进行归一化处理，通过GAP层消除H*W(特征图高、特征图宽),通过FC层得到预设长度的特征向量，例如，该预设长度的特征向量可以是512维、1024维等。

应理解，上述执行主体还可以预先通过该训练后的神经网络，对数据库中的图像预先进行处理，得到每个图像的特征向量和标签，具体的步骤可以包括:通过脊骨网络、批归一化层、全局平均池化层、全连接层提取检索结果中图像的特征向量；将检索结果中图像的特征向量输入分类头，并通过分类头确定检索结果中图像的标签向量；通过标签向量生成标签。

上述实施例中已经得到更具有区分度的特征向量，因此，根据更具有区分度的特征向量得到的标签也更具有区分性，从而更好的实现排序。

应理解，通过标签向量生成标签可以通过各种现有技术的实现方式，例如通过softmax实现，本申请实施例对此不作特别的限制。

还应理解，由于标签向量是通过某种特定的方式生成标签，因此，在本申请的一些其它的具体实施方式中，能够将标签向量直接作为标签，也即直接使用标签向量作为检索结果的排序依据。

本实施例中，分类头(ArcMargin)的实现原理与ArcFace类似，在此不再赘述。

步骤502，利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，检索结果中每个图像分别具有标签。

步骤503，基于标签对检索结果进行排序处理，得到排序结果。

步骤504，将排序结果作为目标图像对应的结果输出。

步骤502、503、504与步骤202、203、204基本一致，因此不再赘述。

在一些可选的实施例中，神经网络可以通过各种损失函数对神经网络进行训练，例如：均方差损失函数、交叉熵损失函数(softmax loss)等。

在一种示例性的实际应用场景中，本申请的实施例通过一个标注过的邮币数据集对神经网络进行训练，不同类别的数据集标签下只包含该品类的图像数据，例如，一分硬币标签下的数据可以是从不同角度，不同光照条件，不同背景下的一分硬币图像。训练后的神经网络，对于输入的每一个图像可以输出一个对应的特征向量和标签向量。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种图像处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的图像处理装置600包括：确定模块601，被配置成通过训练后的神经网络确定目标图像的特征向量；检索模块602，被配置成利用目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，检索结果中每个图像分别具有标签；排序模块603，被配置成基于标签对检索结果进行排序处理，得到排序结果；输出模块604，被配置成将排序结果作为目标图像对应的结果输出。

在本实施例中，图像处理装置600的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203以及步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，检索结果为按照特征向量相似度排列得到的图像序列；排序模块603，包括：选取单元，被配置成按照图像序列中图像的特征向量相似度从大到小的顺序，在检索结果中选取预设数量的图像作为参考图像；确定单元，被配置成基于参考图像所对应标签的频率，确定在参考图像中频率最高的标签为置信标签；调整单元，通过置信标签调整所述图像序列，得到排序结果。

在本实施例的一些可选的实现方式中，所述调整单元，进一步被配置成分别判断检索结果中每个图像的标签是否与置信标签一致；若不一致，则将不一致的标签对应的图像的排位在检索结果中后移。

在本实施例的一些可选的实现方式中，神经网络依次包括：脊骨网络、批归一化层、全局平均池化层、全连接层；所述确定模块601，进一步被配置成通过脊骨网络、批归一化层、全局平均池化层、全连接层，提取目标图像的特征向量。

在本实施例的一些可选的实现方式中，神经网络还包括位于全连接层之后的分类头；所述确定模块601，进一步被配置成通过脊骨网络、批归一化层、全局平均池化层、全连接层提取所述检索结果中图像的特征向量；将检索结果中图像的特征向量输入分类头，并通过分类头确定检索结果中图像的标签向量；通过标签向量生成标签。

根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图7所示，是根据本申请实施例的图像处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图像处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像处理方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像处理方法对应的程序指令/模块(例如，附图6所示的确定模块601、检索模块602、排序模块603以及输出模块604)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像处理方法。

存储器702可以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、至少一个功能所需要的应用程序；存储数据区可存储根据图像检索电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至图像处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

图像处理方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与图像检索电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本申请实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定模块、检索模块、排序模块和输出模块。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，例如，确定模块还可以被描述为“确定目标图像的特征向量的模块”。

作为另一方面，本申请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装置中所包含的；也可以是单独存在，而未装配入该装置中。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该装置执行时，使得该装置：通过训练后的神经网络确定目标图像的特征向量；利用所述目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，所述检索结果中每个图像分别具有标签；基于所述标签对所述检索结果进行排序处理，得到排序结果；将所述排序结果作为所述目标图像对应的结果输出。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (13)

1.一种图像处理方法，所述方法包括：

通过训练后的神经网络确定目标图像的特征向量；

利用所述目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，所述检索结果中每个图像分别具有标签；

基于所述标签对所述检索结果进行排序处理，得到排序结果；

将所述排序结果作为所述目标图像对应的结果输出。

2.根据权利要求1所述的方法，其中，所述检索结果为按照特征向量相似度排列得到的图像序列；

所述基于所述标签对所述检索结果进行排序处理，得到排序结果，包括：

按照所述图像序列中图像的特征向量相似度从大到小的顺序，在所述检索结果中选取预设数量的图像作为参考图像；

基于所述参考图像所对应标签的频率，确定在所述参考图像中频率最高的标签为置信标签；

通过所述置信标签调整所述图像序列，得到所述排序结果。

3.根据权利要求2所述的方法，其中，所述通过所述置信标签调整所述图像序列，得到所述排序结果，包括：

分别判断所述检索结果中每个图像的标签是否与所述置信标签一致；

若不一致，则将不一致的标签对应的图像的排位在所述检索结果中后移。

4.根据权利要求1所述的方法，其中，所述神经网络依次包括：脊骨网络、批归一化层、全局平均池化层、全连接层；

所述通过训练后的神经网络确定所述目标图像的特征向量，包括：

通过所述脊骨网络、所述批归一化层、所述全局平均池化层、所述全连接层，提取所述目标图像的特征向量。

5.根据权利要求4所述的方法，其中，所述神经网络还包括位于所述全连接层之后的分类头；

所述数据库中图像的标签的生成步骤，包括：

通过所述脊骨网络、所述批归一化层、所述全局平均池化层、所述全连接层提取所述检索结果中图像的特征向量；

将所述检索结果中图像的特征向量输入所述分类头，并通过所述分类头确定所述检索结果中图像的标签向量；

通过标签向量生成所述标签。

6.一种图像处理装置，所述装置包括：

确定模块，被配置成通过训练后的神经网络确定目标图像的特征向量；

检索模块，被配置成利用所述目标图像的特征向量在数据库中进行图像检索，得到检索结果，其中，所述检索结果中每个图像分别具有标签；

排序模块，被配置成基于所述标签对所述检索结果进行排序处理，得到排序结果；

输出模块，被配置成将所述排序结果作为所述目标图像对应的结果输出。

7.根据权利要求6所述的装置，其中，所述检索结果为按照特征向量相似度排列得到的图像序列；

所述排序模块，包括：

选取单元，被配置成按照所述图像序列中图像的特征向量相似度从大到小的顺序，在所述检索结果中选取预设数量的图像作为参考图像；

确定单元，被配置成基于所述参考图像所对应标签的频率，确定在所述参考图像中频率最高的标签为置信标签；

调整单元，通过所述置信标签调整所述图像序列，得到所述排序结果。

8.根据权利要求7所述的装置，其中，所述调整单元，进一步被配置成分别判断所述检索结果中每个图像的标签是否与所述置信标签一致；若不一致，则将不一致的标签对应的图像的排位在所述检索结果中后移。

9.根据权利要求6所述的装置，其中，所述神经网络依次包括：脊骨网络、批归一化层、全局平均池化层、全连接层；

所述确定模块，进一步被配置成通过所述脊骨网络、所述批归一化层、所述全局平均池化层、所述全连接层，提取所述目标图像的特征向量。

10.根据权利要求9所述的装置，其中，所述神经网络还包括位于所述全连接层之后的分类头；

所述确定模块，进一步被配置成通过所述脊骨网络、所述批归一化层、所述全局平均池化层、所述全连接层提取所述检索结果中图像的特征向量；将所述检索结果中图像的特征向量输入所述分类头，并通过所述分类头确定所述检索结果中图像的标签向量；通过标签向量生成所述标签。

11.一种电子设备，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如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一所述的方法。

Images