CN112925937B - 图像筛选方法、装置、存储介质及电子装置 - Google Patents
图像筛选方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112925937B CN112925937B CN202110197772.9A CN202110197772A CN112925937B CN 112925937 B CN112925937 B CN 112925937B CN 202110197772 A CN202110197772 A CN 202110197772A CN 112925937 B CN112925937 B CN 112925937B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- similarity
- feature vector
- determining
- 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
Images
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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种图像筛选方法、装置、存储介质及电子装置,其中,该方法包括:获取目标图像的全局特征向量;基于全局特征向量在图像库中筛选出与目标图像的相似度满足第一条件的第一预定数量的第一图像;获取目标图像中包括的目标区域的目标特征向量;基于目标特征向量在第一图像中筛选出与目标区域的相似度满足第二条件的第二预定数量的第二图像。通过本发明,解决了相关技术中存在的图像筛选的过程中无法突出局部特征的问题,达到在筛选图像的过程中突出局部特征的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种图像筛选方法、装置、存储介质及电子装置。
背景技术
在相关技术中,针对图片的检索、比对技术通常是提取图片的特征向量后,计算得到相似度后进行排序,这种对图片全局特征向量比对的方法无法突出重点局部特性的权重。
由此可知,相关技术中存在的图像筛选的过程中无法突出局部特征的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像筛选方法、装置、存储介质及电子装置,以至少解决相关技术中存在的图像筛选的过程中无法突出局部特征的问题。
根据本发明的一个实施例,提供了一种图像筛选方法,包括:获取目标图像的全局特征向量;基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;获取所述目标图像中包括的目标区域的目标特征向量;基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
根据本发明的另一个实施例,提供了一种图像筛选装置,包括:第一获取模块,用于获取目标图像的全局特征向量;第一筛选模块,用于基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;第二获取模块,用于获取所述目标图像中包括的目标区域的目标特征向量;第二筛选模块,用于基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,获取目标图像的全局特征向量,根据全局特征向量在图像库中筛选出与目标图像的相似度满足第一条件的第一预定数据的第一图像,获取目标图像中包括的目标区域的目标特征向量,根据目标特征向量在第一图像中筛选出与目标区域的相似度满足第二条件的第二预定数量的第二图像,由于在筛选出与目标图像相似的第一图像后,再根据目标图像的目标区域的目标特征向量确定出与目标区域相似的第二图像,通过目标区域的目标特征向量突出了局部特征的权重,因此,可以解决相关技术中存在的图像筛选的过程中无法突出局部特征的问题,达到在筛选图像的过程中突出局部特征的效果。
附图说明
图1是本发明实施例的一种图像筛选方法的移动终端的硬件结构框图;
图2是根据本发明实施例的图像筛选方法的流程图;
图3是根据本发明示例性实施例的目标图像的区域划分示意图;
图4是根据本发明具体实施例的图像筛选方法流程图;
图5是根据本发明实施例的图像筛选装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图像筛选方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的图像筛选方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。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。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图像筛选方法,图2是根据本发明实施例的图像筛选方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取目标图像的全局特征向量;
步骤S204,基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;
步骤S206,获取所述目标图像中包括的目标区域的目标特征向量;
步骤S208,基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
在上述实施例中,目标图像可以为前端摄像设备采集到的图像,还可以为输入的图像。在获取到目标图像后,可以提取目标图像的N维特征向量,再将N维特性向量与图像库中存储的图像的N为特征向量进行比对,确定出与目标图像的相似度满足第一条件的第一预定数量的第一图像。在筛选出第一图像后,可以根据目标图像的目标区域的目标向量特征在第一图像中筛选出相似度满足第二条件的第二预定数量的图像。其中,第一条件、第二条件可以为相似度大于预定阈值,或者按照相似度由高到低的前预定数量的图像。第一预定数量和第二预定数量可以相同,也可以不同。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成有图像获取设备以及数据处理设备的机器,其中,图像获取设备可以包括摄像头等图形采集模块,数据处理设备可以包括计算机、手机等终端,但不限于此。
通过本发明,获取目标图像的全局特征向量,根据全局特征向量在图像库中筛选出与目标图像的相似度满足第一条件的第一预定数据的第一图像,获取目标图像中包括的目标区域的目标特征向量,根据目标特征向量在第一图像中筛选出与目标区域的相似度满足第二条件的第二预定数量的第二图像,由于在筛选出与目标图像相似的第一图像后,再根据目标图像的目标区域的目标特征向量确定出与目标区域相似的第二图像,通过目标区域的目标特征向量突出了局部特征的权重,因此,可以解决相关技术中存在的图像筛选的过程中无法突出局部特征的问题,达到在筛选图像的过程中突出局部特征的效果。
在一个示例性实施例中,基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像包括:将所述全局特征向量分别与所述图像库中存储的每张图像的全局特征向量进行第一计算,以得到多个第一计算值;基于多个所述第一计算值确定所述图像库中存储的每张图像与所述目标图像的第一相似度;按照所述第一相似度由高到低的顺序对所述图像库中存储的每张图像进行排序,以得到第一顺序的第一图像组;将所述第一图像组中包括的前第一预定数量的图像确定为所述第一图像。在本实施例中,前端提取图片A(对应于上述目标图像)的特征向量后,送入预先构建的图片信息库(对应于上述图像库)中的进行比对,图片信息库中的图片以特征向量的方式存储。比对方法为将图片信息库中每张图片的特征向量分别与图片A进行全局特征向量的N维进行第一计算。得到第一计算值,根据第一计算值确定图片信息库中的每张图片与目标图像的第一相似度,按照相似度由高到低的顺序对每张图片进行排序,得到第一顺序的第一图像组。将第一图像组中的前第一预定数量的图像确定为第一图像,即将图像库中的图像按照相似度由高到低的顺序排序后,将前topN张图像确定为第一图像。其中,第一预定数量可以为1000(本发明对第一预定数量不做限制,第一预定数量可以自定义设备,例如,还可以为100、500、1500、2000等)。第一计算可以为内积计算。
在一个示例性实施例中,基于多个所述第一计算值确定所述图像库中的存储的每张图像与所述目标图像的第一相似度包括:针对所述图像库中存储的每张图像均采用以下方式确定每张所述图像与所述目标图像的所述第一相似度:确定所述第一计算值与第一常数的第一和;将所述第一和与第二常数的比值确定为所述第一相似度。在本实施例中,当第一计算为内积计算时,可以得到(-1,1)的第一计算值,可以利用余弦拉伸公式对第一计算值进行处理,其中,余弦拉伸公式可以为其中,Y表示第一计算值,第一常数可以为1,第二常数可以为2,当第一常数为1,第二常数为2时,可以得到(0,1)的相似度。当然,第一常数和第二常数还可以为其他值,得到在其他区间的相似度,本发明对第一常数和第二常数不做限制。
在一个示例性实施例中,基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像包括:分别确定每个所述第一图像中包括的与所述目标区域对应的第一区域的第一特征向量;将所述目标特征向量分别与每个所述第一特征向量进行第二计算,以得到多个第二计算值;基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度;按照所述第二相似度由高到低的顺序对所述第一图像中包括的每张图像进行排序,以得到第二顺序的第二图像组;将所述第二图像组中的前第二预定数量的图像确定为所述第二图像。在本实施例中,可以先确定目标图像的目标区域,提取目标区域的目标特征向量,在确定第一图像中的每张图像中与目标区域相对应的第一区域,提取第一区域的特征向量,将目标特征向量与每张图像中的第一区域的特征向量进行第二计算,得到多个第二计算值,根据第二计算值确定第一图像中包括的每张图像与目标图像的第二相似度。按照第二相似度由高到低的顺序对第一图像中包括的每张图像进行排序,得到第二顺序的第二图像组,将第二图像组中前topN1的图像确定为第二图像。其中,第二计算可以为内积计算。当目标图像为车辆的图像时,目标区域可以为车辆的车牌区域,天窗区域等。
在一个示例性实施例中,基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度包括:针对所述第一图像中包括的每张图像均采用以下方式确定所述第一图像中包括的每张图像与所述目标图像的第二相似度:确定所述第二计算值与第三常数的第二和;将所述第二和与第四常数的比值确定为所述第二相似度。在本实施例中,当第二计算为内积计算时,可以得到(-1,1)的第二计算值,可以利用余弦拉伸公式对第一计算值进行处理,其中,余弦拉伸公式可以为其中,X表示第二计算值,第三常数可以为1,第四常数可以为2,当第三常数为1,第四常数为2时,可以得到(0,1)的相似度。当然,第一常数和第二常数还可以为其他值,得到在其他区间的相似度,本发明对第一常数和第二常数不做限制。
在一个示例性实施例中,获取所述目标图像中包括的目标区域的目标特征向量包括:将所述目标图像划分为第三预定数量的子区域;从所述第三预定数量的子区域中确定出所述目标区域;提取所述目标区域的所述目标特征向量。在本实施例中,可以将目标图形象划分为第三预定数量的子区域,从第三预定数量的子区域中确定出目标区域,提取目标区域的目标特征向量。可以通过前端界面,将图片划分成X1~Xn个区域,如图3所示,可以将目标图像划分成9个区域。由用户选择其中一个或多个区域的集合ΣXi(1≤i≤n)作为目标区域,将图片A与第一次比对结果中相似度排序前topN的图片(共topN+1),分别重提区域集合ΣXi(1≤i≤n)的N1(<N)维局部特征向量(对应于上述目标特征向量),其中,局部特征指的是图片区域集合重提的特征向量。例如,图3中若选中区域8和区域2作为区域集合,则局部特征向量包含车牌、天窗等属性信息。
下面结合具体实施方式对图像筛选进行说明:
图4是根据本发明具体实施例的图像筛选方法流程图,如图4所示,该流程包括:
步骤S402,前端提取图片A(对应于上述目标图像)的特征向量。
步骤S404,将图片A送入预先构建的图片信息库(对应于上述图像库)中的进行比对,图片信息库中的图片以特征向量的方式存储。比对方法为图片信息库中所有图片分别与图片A进行全局特征向量的N维内积计算。
步骤S406,将上述内积计算结果分别进行余弦拉伸,得到第一次比对结果的相似度排序topN(对应于上述第一图像)。
步骤S408,通过前端界面,将图片划分成X1~Xn个区域,如图3所示,共划分成了9个区域。由用户选择其中一个或多个区域的集合ΣXi(1≤i≤n),将图片A与第一次比对结果中相似度排序前topN的图片(共topN+1),分别重提区域集合ΣXi(1≤i≤n)的N1(<N)维局部特征向量,其中,局部特征指的是图片区域集合重提的特征向量,例如图3中若选中区域8和区域2作为区域集合,则局部特征向量包含车牌、天窗等属性信息。
步骤S410,将重提局部特征向量的topN张图片与图片A的局部特征向量进行N1维内积计算。
步骤S412,将上述内积计算结果分别进行余弦拉伸,得到第二次比对结果的相似度排序topN1,即为最后的比对结果。
步骤S414,返回相似度排序topN1图像(对应于上述第二图像)。
在前述实施例中,在待检索图片和图片库比对得到全局特征向量相似度排序topN条件下,通过有效的策略对全局特征向量相似度topN进行再排序,从而突出重点局部特性的权重。即通过待检索图片与预先构建的图片信息库中的图片进行全局特征向量的一一比对后,得到相似度排序topN;将图片划分成X1~Xn个区域后选择一个或多个区域的集合ΣXi(1≤i≤n),以便进行局部特征值提取。对待检索图片和相似度排序前topN的图片进行区域ΣXi(1≤i≤n)的局部特征向量提取,得到N1维特征值向量,将待检索图片的局部特征向量和topN张图片的局部特征向量进行一一比对,得到相似度排序topN1,突出局部特性的权重。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种图像筛选装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的图像筛选装置的结构框图,如图5所示,该装置包括:
第一获取模块52,用于获取目标图像的全局特征向量;
第一筛选模块54,用于基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;
第二获取模块56,用于获取所述目标图像中包括的目标区域的目标特征向量;
第二筛选模块58,用于基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像。
在一个示例性实施例中,所述第一筛选模块54包括:计算单元,用于将所述全局特征向量分别与所述图像库中存储的每张图像的全局特征向量进行第一计算,以得到多个第一计算值;第一确定单元,用于基于多个所述第一计算值确定所述图像库中存储的每张图像与所述目标图像的第一相似度;排序单元,用于按照所述第一相似度由高到低的顺序对所述图像库中存储的每张图像进行排序,以得到第一顺序的第一图像组;第二确定单元,用于将所述第一图像组中包括的前第一预定数量的图像确定为所述第一图像。
在一个示例性实施例中,所述第一筛选模块54可以通过如下方式实现基于多个所述第一计算值确定所述图像库中的存储的每张图像与所述目标图像的第一相似度:针对所述图像库中存储的每张图像均采用以下方式确定每张所述图像与所述目标图像的所述第一相似度:确定所述第一计算值与第一常数的第一和;将所述第一和与第二常数的比值确定为所述第一相似度。
在一个示例性实施例中,所述第二筛选模块58可以通过如下方式实现基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像:分别确定每个所述第一图像中包括的与所述目标区域对应的第一区域的第一特征向量;将所述目标特征向量分别与每个所述第一特征向量进行第二计算,以得到多个第二计算值;基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度;按照所述第二相似度由高到低的顺序对所述第一图像中包括的每张图像进行排序,以得到第二顺序的第二图像组;将所述第二图像组中的前第二预定数量的图像确定为所述第二图像。
在一个示例性实施例中,所述第二筛选模块58可以通过如下方式实现基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度:针对所述第一图像中包括的每张图像均采用以下方式确定所述第一图像中包括的每张图像与所述目标图像的第二相似度:确定所述第二计算值与第三常数的第二和;将所述第二和与第四常数的比值确定为所述第二相似度。
在一个示例性实施例中,所述第二获取模块56可以通过如下方式实现获取所述目标图像中包括的目标区域的目标特征向量:将所述目标图像划分为第三预定数量的子区域;从所述第三预定数量的子区域中确定出所述目标区域;提取所述目标区域的所述目标特征向量。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种图像筛选方法,其特征在于,包括:
获取目标图像的全局特征向量;
基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;
获取所述目标图像中包括的目标区域的目标特征向量;
基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像;
基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像包括:分别确定每个所述第一图像中包括的与所述目标区域对应的第一区域的第一特征向量;将所述目标特征向量分别与每个所述第一特征向量进行第二计算,以得到多个第二计算值;基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度;按照所述第二相似度由高到低的顺序对所述第一图像中包括的每张图像进行排序,以得到第二顺序的第二图像组;将所述第二图像组中的前第二预定数量的图像确定为所述第二图像;
获取所述目标图像中包括的目标区域的目标特征向量包括:将所述目标图像划分为第三预定数量的子区域;从所述第三预定数量的子区域中确定出所述目标区域;提取所述目标区域的所述目标特征向量。
2.根据权利要求1所述的方法,其特征在于,基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像包括:
将所述全局特征向量分别与所述图像库中存储的每张图像的全局特征向量进行第一计算,以得到多个第一计算值;
基于多个所述第一计算值确定所述图像库中存储的每张图像与所述目标图像的第一相似度;
按照所述第一相似度由高到低的顺序对所述图像库中存储的每张图像进行排序,以得到第一顺序的第一图像组;
将所述第一图像组中包括的前第一预定数量的图像确定为所述第一图像。
3.根据权利要求2所述的方法,其特征在于,基于多个所述第一计算值确定所述图像库中的存储的每张图像与所述目标图像的第一相似度包括:
针对所述图像库中存储的每张图像均采用以下方式确定每张所述图像与所述目标图像的所述第一相似度:
确定所述第一计算值与第一常数的第一和;
将所述第一和与第二常数的比值确定为所述第一相似度。
4.根据权利要求1所述的方法,其特征在于,基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度包括:
针对所述第一图像中包括的每张图像均采用以下方式确定所述第一图像中包括的每张图像与所述目标图像的第二相似度:
确定所述第二计算值与第三常数的第二和;
将所述第二和与第四常数的比值确定为所述第二相似度。
5.一种图像筛选装置,其特征在于,包括:
第一获取模块,用于获取目标图像的全局特征向量;
第一筛选模块,用于基于所述全局特征向量在图像库中筛选出与所述目标图像的相似度满足第一条件的第一预定数量的第一图像;
第二获取模块,用于获取所述目标图像中包括的目标区域的目标特征向量;
第二筛选模块,用于基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像;
所述第二筛选模块通过如下方式实现基于所述目标特征向量在所述第一图像中筛选出与所述目标区域的相似度满足第二条件的第二预定数量的第二图像:分别确定每个所述第一图像中包括的与所述目标区域对应的第一区域的第一特征向量;将所述目标特征向量分别与每个所述第一特征向量进行第二计算,以得到多个第二计算值;基于多个所述第二计算值确定所述第一图像中包括的每张图像与所述目标图像的第二相似度;按照所述第二相似度由高到低的顺序对所述第一图像中包括的每张图像进行排序,以得到第二顺序的第二图像组;将所述第二图像组中的前第二预定数量的图像确定为所述第二图像;
所述第二获取模块通过如下方式实现获取所述目标图像中包括的目标区域的目标特征向量:将所述目标图像划分为第三预定数量的子区域;从所述第三预定数量的子区域中确定出所述目标区域;提取所述目标区域的所述目标特征向量。
6.根据权利要求5所述的装置,其特征在于,所述第一筛选模块包括:
计算单元,用于将所述全局特征向量分别与所述图像库中存储的每张图像的全局特征向量进行第一计算,以得到多个第一计算值;
第一确定单元,用于基于多个所述第一计算值确定所述图像库中存储的每张图像与所述目标图像的第一相似度;
排序单元,用于按照所述第一相似度由高到低的顺序对所述图像库中存储的每张图像进行排序,以得到第一顺序的第一图像组;
第二确定单元,用于将所述第一图像组中包括的前第一预定数量的图像确定为所述第一图像。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至4任一项中所述的方法的步骤。
8.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197772.9A CN112925937B (zh) | 2021-02-22 | 2021-02-22 | 图像筛选方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197772.9A CN112925937B (zh) | 2021-02-22 | 2021-02-22 | 图像筛选方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925937A CN112925937A (zh) | 2021-06-08 |
CN112925937B true CN112925937B (zh) | 2022-10-18 |
Family
ID=76170051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110197772.9A Active CN112925937B (zh) | 2021-02-22 | 2021-02-22 | 图像筛选方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925937B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933816A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于全局特征和局部特征的跨镜头目标检索系统及方法 |
CN107451156B (zh) * | 2016-05-31 | 2021-08-20 | 杭州华为企业通信技术有限公司 | 一种图像再识别方法及识别装置 |
WO2020051704A1 (en) * | 2018-09-12 | 2020-03-19 | Avigilon Corporation | System and method for improving speed of similarity based searches |
CN109857889B (zh) * | 2018-12-19 | 2021-04-09 | 苏州科达科技股份有限公司 | 一种图像检索方法、装置、设备及可读存储介质 |
CN110263209B (zh) * | 2019-06-27 | 2021-07-09 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN111651624B (zh) * | 2020-06-11 | 2023-09-19 | 浙江大华技术股份有限公司 | 一种图像检索方法及装置 |
-
2021
- 2021-02-22 CN CN202110197772.9A patent/CN112925937B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112925937A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105938557B (zh) | 图像识别方法、图像识别装置 | |
CN106547744B (zh) | 一种图像检索方法及系统 | |
CN107223242B (zh) | 用于在多个已存储图像中搜索相似图像的方法 | |
CN106503656A (zh) | 一种图像分类方法、装置和计算设备 | |
CN108875797B (zh) | 一种确定图像相似度的方法、相册管理方法及相关设备 | |
CN111444363B (zh) | 一种图片检索方法、装置、终端设备及存储介质 | |
CN110427970A (zh) | 图像分类方法、装置、计算机设备和存储介质 | |
CN110378305B (zh) | 茶叶病害识别方法、设备、存储介质及装置 | |
CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN111028006B (zh) | 一种业务投放辅助方法、业务投放方法及相关装置 | |
CN111598176B (zh) | 一种图像匹配处理方法及装置 | |
CN109885651A (zh) | 一种问题推送方法和装置 | |
CN112489063A (zh) | 图像分割方法、图像分割模型的训练方法和装置 | |
CN115424053B (zh) | 小样本图像识别方法、装置、设备及存储介质 | |
CN105354228A (zh) | 相似图搜索方法及装置 | |
CN111191065B (zh) | 一种同源图像确定方法及装置 | |
CN112925937B (zh) | 图像筛选方法、装置、存储介质及电子装置 | |
CN111860287A (zh) | 一种目标检测方法及装置、存储介质 | |
CN113849679A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
CN112699260A (zh) | 物种识别方法及装置 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN116129496A (zh) | 一种图像遮挡方法、装置、计算机设备及存储介质 | |
CN114780780A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
CN113762202A (zh) | 图像所属档案的确定方法、装置、存储介质及电子装置 | |
CN111353349B (zh) | 人体关键点检测方法、装置、电子设备及存储介质 |
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 |