CN113297409A - 一种图像搜索方法、装置、电子设备及存储介质 - Google Patents

一种图像搜索方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113297409A
CN113297409A CN202110738206.4A CN202110738206A CN113297409A CN 113297409 A CN113297409 A CN 113297409A CN 202110738206 A CN202110738206 A CN 202110738206A CN 113297409 A CN113297409 A CN 113297409A
Authority
CN
China
Prior art keywords
image
candidate
similarity
persistent memory
features
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.)
Pending
Application number
CN202110738206.4A
Other languages
English (en)
Inventor
方超
陈国栋
赵世范
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202110738206.4A priority Critical patent/CN113297409A/zh
Publication of CN113297409A publication Critical patent/CN113297409A/zh
Pending legal-status Critical Current

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
    • G06F16/58—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请实施例提供了一种图像搜索方法、装置、电子设备及存储介质，涉及图像处理技术领域，所述方法应用于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述方法包括：获得待搜索图像的目标图像特征；获得搜索范围，若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。应用本申请实施例提供的方案，可以提高图像搜索效率。

Description

一种图像搜索方法、装置、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像搜索方法、装置、电子设备及存储介质。
背景技术
在图像处理中，通常需要从已有的图像库中搜索与待搜索图像相似的图像。例如，在人脸识别场景中，在采集到用户的人脸图像后，需要从已有的人脸图像库中，搜索与该人脸图像人脸相似的图像。
相关技术中，电子设备通常预先将图像库中各个图像的图像特征存储在硬盘中，在需要进行图像搜索时，为便于电子设备读取上述图像特征，需要再将硬盘中的图像特征转存到易失性内存中。电子设备可以获得待搜索图像的图像特征，对待搜索图像的图像特征和易失性内存中的各个图像特征进行相似度计算，基于计算结果确定图像库中与待搜索图像相似的图像。
应用上述方案虽然可以实现图像搜索，但是在进行图像搜索时需要将硬盘中的图像特征转存到易失性内存中，这样会增加额外的耗时，导致图像搜索效率低。
发明内容
本申请实施例的目的在于提供一种图像搜索方法、装置、电子设备及存储介质，以提高图像搜索效率。具体技术方案如下：
第一方面，本申请实施例提供了一种图像搜索方法，所述方法应用于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述方法包括：
获得待搜索图像的目标图像特征；
获得搜索范围，若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；
根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述电子设备还配置有易失性内存，所述易失性内存用于存储第二候选图像的图像特征；
所述方法还包括：
若所述第二候选图像中存在处于所述搜索范围的图像，直接访问所述易失性内存，获得所述易失性内存中各个第二候选图像的图像特征，计算所述目标图像特征与各个第二候选图像的图像特征之间的相似度；
根据所计算的相似度，从所述第二候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述第二候选图像的搜索热度高于所述第一候选图像的搜索热度，所述搜索热度通过以下信息中的至少一种描述：图像的获得时间、图像的图像内容、图像的搜索命中频率、图像的数据来源、图像的应用场景；
所述获得搜索范围，包括：
获得针对搜索热度的搜索范围。
本申请的一个实施例中，所述持久性内存的工作模式为AD模式，其中，所述AD模式下所述持久性内存存储数据时具有持久非易失性。
本申请的一个实施例中，所述电子设备还配置有硬盘，所述硬盘用于存储所述第一候选图像，所述硬盘中的每一第一候选图像与所述持久性内存中每一图像特征之间存在对应关系；
所述根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像，包括：
根据所计算的相似度，确定与所述目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；
按照所述对应关系，从所述硬盘所存储的第一候选图像中，搜索所述参考图像特征对应的图像。
第二方面，本申请实施例提供了一种图像搜索装置，所述装置设置于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述装置包括：
特征获得模块，用于获得待搜索图像的目标图像特征；
范围获得模块，用于获得搜索范围；
第一相似度计算模块，用于若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；
第一图像搜索模块，用于根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述电子设备还配置有易失性内存，所述易失性内存用于存储第二候选图像的图像特征；
所述装置还包括：
第二相似度计算模块，用于若所述第二候选图像中存在搜索热度处于所述搜索范围的图像，直接访问所述易失性内存，获得所述易失性内存中各个第二候选图像的图像特征，计算所述目标图像特征与各个第二候选图像的图像特征之间的相似度；
第二图像搜索模块，用于根据所计算的相似度，从所述第二候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述第二候选图像的搜索热度高于所述第一候选图像的搜索热度，所述搜索热度通过以下信息中的至少一种描述：图像的获得时间、图像的图像内容、图像的搜索命中频率、图像的数据来源、图像的应用场景；
所述范围获得模块，具体用于：
获得针对搜索热度的搜索范围。
本申请的一个实施例中，所述持久性内存的工作模式为AD模式，其中，所述AD模式下所述持久性内存存储数据时具有持久非易失性。
本申请的一个实施例中，所述电子设备还配置有硬盘，所述硬盘用于存储所述第一候选图像，所述硬盘中的每一第一候选图像与所述持久性内存中每一图像特征之间存在对应关系；
所述第一图像搜索模块，具体用于：
根据所计算的相似度，确定与所述目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；
按照所述对应关系，从所述硬盘所存储的第一候选图像中，搜索所述参考图像特征对应的图像。
第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。
第四方面，本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的图像搜索方法。
本申请实施例有益效果：
本申请实施例提供的图像搜索方案，可以应用于电子设备，电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征，电子设备可以获得待搜索图像的目标图像特征；获得搜索范围，若第一候选图像中存在处于搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。这样可以基于第一候选图像的图像特征与待搜索图像的图像特征之间的相似度，从第一候选图像中搜索与待搜索图像相似的图像。由于持久性内存支持按字节寻址，也就是，可以直接从持久性内存中读取图像特征，无需将图像特征再次向内存拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。由此可见，应用本申请实施例提供的方案，可以提高图像搜索效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1位本申请实施例提供的一种图像搜索方法的流程示意图；
图2为本申请实施例提供的另一种图像搜索方法的流程示意图；
图3为本申请实施例提供的一种分布式系统的结构示意图；
图4为本申请实施例提供的一种图像搜索装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
为了提高图像搜索效率，本申请实施例提供了一种图像搜索方法、装置、电子设备及存储介质，下面分别进行详细介绍。
参见图1，图1位本申请实施例提供的一种图像搜索方法的流程示意图，该方法可以应用于电子计算机、服务器、手机、NVR(Network Video Recorder，网络视频录像机)、DVR(Digital Video Recorder，数字硬盘录像机)等电子设备。
上述电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征。
其中，上述持久性内存为Persistent Memory(持久化内存)，支持按字节寻址，电子设备中的CPU(Central Processing Unit，中央处理器)、GPU(Graphics ProcessingUnit，图形处理器)等处理器可以直接访问持久性内存，并直接从持久性内存中读取数据。为便于表述，后续简称为电子设备可以直接内存，并且电子设备能够直接从内存中读取数据。
上述第一候选图像为已获得的、待用于搜索的图像，可以是直接获得的、图像采集设备采集的图像，也可以是从公开的图像数据平台获取的图像，本申请实施例并不对此进行限定。
每一图像的图像特征可以是该图像的颜色特征、边缘特征、图像中图像内容的内容特征、语义特征等。上述图像特征可以以向量、矩阵等形式进行表示。
本申请的一个实施例中，在获得第一图像的图像特征时，可以利用预设的算法，提取图像的特征。其中，上述算法可以是索贝尔算法、坎尼算法、拉普拉斯算法等。
除此之外，也可以将图像输入预先训练完成的特征提取模型，获得上述模型输出的图像的图像特征。其中，上述特征提取模型可以是卷积神经网络模型、深度神经网络模型、循环神经网络模型等。
另外，在上述第一候选图像为从图像数据平台获取的图像的情况下，可以从上述平台获得各个图像的特征，作为第一候选图像的图像特征。
如图1所示，上述图像搜索方法包括如下步骤S101-S103：
S101，获得待搜索图像的目标图像特征。
具体的，可以获得待搜索图像的图像特征，如颜色特征、边缘特征、图像中图像内容的内容特征、语义特征等，作为目标图像特征。
本申请的一个实施例中，可以获得图像采集设备采集的图像，作为待搜索图像，并提取上述待搜索图像的图像特征，作为目标图像特征。
其中，上述图像采集设备可以是摄像机、录像机，也可以是带有图像采集功能的手机、平板电脑、笔记本电脑等。
除此之外，也可以获得图像转发设备发送的图像，作为待搜索图像，其中，上述转发设备可以是NVR、DVR、电子计算机等。
本申请的一个实施例中，也可以直接获得特征转发设备发送图像特征，作为待搜索图像的目标图像特征。其中，上述特征转发设备可以是NVR、DVR、电子计算机、手机等。
具体的，上述特征转发设备可以获得待搜索图像，并提取待搜索图像的图像特征，将该图像特征转发至电子设备，电子设备从而可以获得目标图像特征。
S102，获得搜索范围，若第一候选图像中存在处于搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度。
其中，上述搜索范围可以为时间范围、来源范围、内容范围等。例如，上述搜索范围可以为：最近一周获得的图像、卡口相机采集的图像、包含车辆的图像等。
具体的，可以获得搜索范围，若第一候选图像中存在处于上述搜索范围的图像，则说明需要对持久性内存中所存储的、第一候选图像的图像特征进行相似度计算。这种情况下，电子设备可以直接访问持久性内存，获得持久性内存中所存储的各个第一候选图像的图像特征，然后针对每一第一候选图像的图像特征，可以计算该图像特征与上述目标图像特征之间的相似度，该相似度可以反映该第一候选图像与待搜索图像之间的相似度。
本申请的一个实施例中，可以计算每一第一候选图像的图像特征与目标图像特征之间的皮尔逊系数、欧氏距离、余弦相似度、曼哈顿距离等，作为相似度表征值，然后根据上述相似度表征值确定该第一候选图像的图像特征与目标图像特征之间的相似度。
除此之外，也可以将每一第一候选图像的图像特征与目标图像特征输入预先训练完成的相似度模型，得到该模型输出的图像特征之间的相似度。
本申请的一个实施例中，在获得搜索范围时，可以接收用户通过外部输入设备输入的范围，作为搜索范围，上述外部输入设备可以是鼠标、键盘、触摸板、语音采集设备等。
除此之外，也可以在展示界面中向用户展示预设的搜索范围选项，确定用户选中的选项，从而得到搜索范围。
S103，根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。
具体的，上述S102中计算得到的目标图像特征与各个第一候选图像的图像特征之间的相似度，可以反映各个第一候选图像与待搜索图像之间的相似度，基于上述相似度，可以从第一候选图像中搜索与该待搜索图像相似的图像。
本申请的一个实施例中，根据所计算的相似度，可以从第一候选图像中，选择对应的图像特征与目标图像特征之间相似度达到预设的相似度阈值的图像，作为与待搜索图像相似的图像。
除此之外，也可以从第一候选图像中，选择对应的图像特征与目标图像特征之间相似度最高的预设数量帧图像，作为与待搜索图像相似的图像。其中，上述预设数量可以是1、3、5等，本申请实施例并不对此进行限定。
本申请的一个实施例中，电子设备还配置有硬盘，硬盘用于存储第一候选图像，硬盘中的每一第一候选图像与持久性内存中每一图像特征之间存在对应关系。其中，上述硬盘可以是固态硬盘，也可以是机械硬盘等。上述对应关系可以存储在硬盘中，也可以存储在电子设备的内存中。
这样在搜索与待搜索图像相似的图像时，可以根据所计算的相似度，确定与目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；按照对应关系，从硬盘所存储的第一候选图像中，搜索参考图像特征对应的图像。
其中，上述相似条件可以是相似度达到预设的相似度阈值，也可以是数值最高的预设数量个相似度。
具体的，可以在计算得到待搜索图像与各个第一候选图像的图像特征之间的相似度后，可以从各个第一候选图像的图像特征中，选择与目标图像特征的相似度满足上述相似条件的图像特征，作为参考图像特征，然后利用上述对应关系，从硬盘中查找上述参考图像特征对应的图像，作为与待搜索图像相似的图像。
上述实施例提供的图像搜索方案，可以应用于电子设备，电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征，电子设备可以获得待搜索图像的目标图像特征；获得搜索范围，若第一候选图像中存在处于搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。这样可以基于第一候选图像的图像特征与待搜索图像的图像特征之间的相似度，从第一候选图像中搜索与待搜索图像相似的图像。由于持久性内存支持按字节寻址，也就是，可以直接从持久性内存中读取图像特征，无需将图像特征再次向内存拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。由此可见，应用上述实施例提供的方案，可以提高图像搜索效率。
本申请的一个实施例中，电子设备还配置有易失性内存，易失性内存用于存储第二候选图像的图像特征。
其中，上述易失性内存支持电子设备直接进行数据读取，但难以持久保存数据，在电子设备断电的情况下，会将数据丢失，上述易失性内存可以是DRAM(Dynamic RandomAccess Memory，动态随机存取存储器)、CPU Caches(CPU内存)、CPU Registers(CPU存储器)等。
上述第二候选图像为已获得的、不同于第一候选图像的、待用于搜索的图像，可以是直接获得的、图像采集设备采集的图像，也可以是从公开的图像数据平台获取的图像，本申请实施例并不对此进行限定。
基于上述方案，本申请实施例提供的图像搜索方案还可以包括：
若第二候选图像中存在处于搜索范围的图像，直接访问易失性内存，获得易失性内存中各个第二候选图像的图像特征，计算目标图像特征与各个第二候选图像的图像特征之间的相似度；根据所计算的相似度，从第二候选图像中确定与待搜索图像相似的图像。
具体的，在获得搜索范围之后，若第二候选图像中存在处于上述搜索范围的图像，则说明需要对易失性内存中所存储的、第二候选图像的图像特征进行相似度计算。这种情况下，电子设备可以直接访问易失性内存，获得易失性内存中所存储的各个第二候选图像的图像特征，然后针对每一第二候选图像的图像特征，可以计算该图像特征与上述目标图像特征之间的相似度，该相似度可以反映该第二候选图像与待搜索图像之间的相似度；
上述目标图像特征与各个第二候选图像的图像特征之间的相似度，可以反映各个第二候选图像与待搜索图像之间的相似度，基于上述相似度，可以从第二候选图像中搜索与该待搜索图像相似的图像。
本申请的一个实施例中，根据所计算的相似度，可以从第二候选图像中，选择对应的图像特征与目标图像特征之间相似度达到预设的相似度阈值的图像，作为与待搜索图像相似的图像。
除此之外，也可以从第二候选图像中，选择对应的图像特征与目标图像特征之间相似度最高的预设数量帧图像，作为与待搜索图像相似的图像。
本申请的一个实施例中，可以计算每一第二候选图像的图像特征与目标图像特征之间的皮尔逊系数、欧氏距离、余弦相似度、曼哈顿距离等，作为相似度表征值，然后根据上述相似度表征值确定该第二候选图像的图像特征与目标图像特征之间的相似度。
除此之外，也可以将每一第二候选图像的图像特征与目标图像特征输入预先训练完成的相似度模型，得到该模型输出的图像特征之间的相似度。
本申请的一个实施例中，第二候选图像的搜索热度高于第一候选图像的搜索热度，每一图像的搜索热度用于反映：该图像被搜索的可能性大小。每一图像的搜索热度越高，说明该图像被搜索的可能性越大，否则，说明该图像被搜索的可能性越小。
本申请的一个实施例中，上述搜索热度可以通过以下信息中的至少一种描述：
信息一，图像的获得时间。
具体的，可以按照图像的获得时间，确定图像的获得时间周期，每一图像的获得时间周期为：获得该图像的时间所在的时间周期。上述时间周期可以为日、星期、月等。然后可以根据图像的获得时间周期确定图像的搜索热度，获得时间周期越近的图像的搜索热度越高，获得时间周期越早的图像的搜索热度越低。这种情况下，可以将获得时间周期最近的图像作为第二候选图像，并将上述第二候选图像的图像特征存储在易失性内存中。
例如，假设上述时间周期为星期，则在当前，可以将上一星期所获得的图像作为第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。
相对应地，可以将时间周期最近的图像之外的图像，作为第一候选图像，将上述第一候选图像的图像特征存储在持久性内存中。
信息二，图像的图像内容。
具体的，可以将包含预设图像内容的图像作为搜索热度高的第二候选图像。上述预设图像内容可以是目标人员、目标车辆、目标物体等。上述目标人员可以是预先注册过身份信息的安保人员、快递员、外卖员等，上述目标车辆可以是预先注册过车辆标识的私家车等，上述目标物体可以是危险品，如刀具、棍棒等尖锐物品。
例如，假设上述目标图像内容为安保人员，则可以将图像内容中包含安保人员的图像作为第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。
相对应地，可以将不包含上述预设图像内容的图像，作为第一候选图像，将上述第一候选图像的图像特征存储在持久性内存中。
信息三，图像的搜索命中频率。
其中，每一图像的搜索命中频率可以表征：该图像被搜索命中的频繁程度。
具体的，可以统计每一图像被搜索命中的次数，根据该次数获得该图像被搜索命中的频率，作为该图像的搜索命中频率。每一图像的搜索命中频率越高，认为该图像的搜索热度越高，否则认为该图像的搜索热度越低。
本申请的一个实施例中，可以将搜索命中频率最高的预设数量帧图像作为第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。也可以将搜索命中频率高于预设的频率阈值的图像作为第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。
相对应地，可以将搜索命中频率的次序处于上述预设数量之外的图像作为第一候选图像，或者将搜索命中频率低于预设的频率阈值的图像作为第一候选图像，将上述第一候选图像的图像特征存储在持久性内存中。
信息四，图像的数据来源。
具体的，可以将数据来源为预设来源的图像，作为高搜索热度的图像，上述预设来源可以是：预设的图像数据平台、部署于关口的图像采集设备等。
例如，假设上述预设来源为部署于交通路口的图像采集设备，则可以将上述部署于交通路口的图像采集设备所采集的图像，作为高搜索热度的第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。
相对应地，可以将数据来源为上述预设来源之外的图像，作为低搜索热度的第一候选图像，将上述第一候选图像的图像特征存储在持久性内存中。
信息五，图像的应用场景。
其中，每一图像的应用场景用于反映该图像的用途。该用途可以包括人脸识别、车辆识别、危险品识别、车牌检测等。
具体的，可以将预设应用场景的图像作为高搜索热度的图像，上述预设应用场景可以是：人脸识别、车牌检测等。
例如，假设上述预设应用场景为人脸识别，则可以将用于进行人脸识别的图像，作为高搜索热度的第二候选图像，将上述第二候选图像的图像特征存储在易失性内存中。
相对应地，可以将上述预设应用场景之外的图像，作为低搜索热度的第一候选图像，将上述第一候选图像的图像特征存储在持久性内存中。
基于上述方案，本申请实施例提供了另一种图像搜索方法，下面进行详细介绍。
参见图2，图2为本申请实施例提供的另一种图像搜索方法的流程示意图，该方法还包括如下步骤：
S201，获得待搜索图像的目标图像特征。
S202，获得针对搜索热度的搜索范围。
其中，上述搜索范围为预先设定的范围，该范围与图像的搜索热度相关。
例如，假设上述搜索热度可以采用图像的获得时间来描述，则上述搜索范围可以为：针对图像的获得时间的范围，如，上述搜索范围可以是：获得时间处于一个月内的图像。
假设上述搜索热度可以采用图像的图像内容来描述，则上述搜索范围可以为：针对图像的获得内容的范围，如，上述搜索范围可以是：图像内容中包含目标车辆的图像。
本申请的一个实施例中，上述步骤S104的执行顺序可以位于S101获得目标图像特征之前，也可以位于上述S101之后，还可以与上述S101同步执行，本申请实施例并不对此进行限定。
S203，若第二候选图像中存在搜索热度处于搜索范围的图像，直接访问易失性内存，获得易失性内存中各个第二候选图像的图像特征，计算目标图像特征与各个第二候选图像的图像特征之间的相似度。
具体的，如果第二候选图像中存在处于上述搜索范围的图像，则说明需要从第二候选图像中搜索与该待搜索图像相似的图像，由于第二候选图像的图像特征存储在易失性内存中，因此可以直接访问易失性内存，获得易失性内存中各个第二候选图像的图像特征，计算目标图像特征与各个第二候选图像的图像特征之间的相似度，作为待搜索图像与各个第二候选图像的相似度。
例如，假设上述搜索热度可以采用图像的获得时间来描述，第二候选图像为：之前一周内获得的图像，而搜索范围为：之前一个月内获得的图像，这种情况下，第二候选图像中存在处于上述搜索范围的图像，因此需要直接访问上述易失性内存获得第二候选图像的图像特征。
S204，根据所计算的相似度，从第二候选图像中确定与待搜索图像相似的图像。
具体的，上述S105中计算得到的目标图像特征与各个第二候选图像的图像特征之间的相似度，可以反映各个第二候选图像与待搜索图像之间的相似度，基于上述相似度，可以从第二候选图像中搜索与该待搜索图像相似的图像。
S205，若第一候选图像中存在搜索热度处于搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度。
具体的，如果第一候选图像中存在处于上述搜索范围的图像，则说明需要从第一候选图像中搜索与该待搜索图像相似的图像，由于第一候选图像的图像特征存储在持久性内存中，因此可以直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度，作为待搜索图像与各个第一候选图像的相似度。
例如，假设上述搜索热度可以采用图像的图像内容来描述，第一候选图像为：所包含的图像内容为目标车辆、危险品的图像，而搜索范围为：所包含的图像内容为危险品的图像，这种情况下，第一候选图像中存在处于上述搜索范围的图像，因此需要直接访问上述持久性内存获得第一候选图像的图像特征。
S206，根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。
本申请的一个实施例中，若第一候选图像、第二候选图像中均存在搜索热度处于搜索范围的图像，直接访问持久性内存和易失性内存，获得持久性内存和易失性内存中各个第一候选图像和第二候选图像的图像特征，然后分别计算所获得的每一图像特征与目标图像特征之间的相似度，最后根据所计算的相似度，从第一候选图像和第二候选图像中确定与待搜索图像相似的图像。
上述实施例提供的方案中，可以将搜索热度高的图像作为第二候选图像，搜索热度高的第二候选图像的数量通常较少，从而第二候选图像的图像特征的数据量也较小，因此可以将上述第二候选图像的图像特征存储在易失性内存中；
并且可以将搜索热度低的图像作为第一候选图像，搜索热度低的第一候选图像的数量通常较多，从而第一候选图像的图像特征的数据量也较大，因此可以将上述第一候选图像的图像特征存储在易失性内存中。这样在获得图像特征时，可以按照预设的搜索范围，分别从上述易失性内存和/或持久性内存中获得图像特征。
上述易失性内存和持久性内存均支持电子设备直接进行数据读取，这样在获得易失性内存和/或持久性内存中的图像特征时，无需对上述图像特征向内存进行拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。并且，持久性内存的价格通常较为便宜，电子设备可以部署较大的持久性内存，并将数据量较大的第一候选图像的图像特征存储在上述持久性内存中，从而可以节省成本。
本申请的一个实施例中，持久性内存的工作模式为AD(APP Direct)模式，其中，AD模式下持久性内存存储数据时具有持久非易失性。
具体的，持久性内存的工作模型可以包括Memory模式和AD模式，上述Memory模式下，持久性内存具有易失性，该模式下持久性内存难以持久保存数据，在电子设备断电的情况下，会将数据丢失。
而在AD模式下，持久性内存可以持久性地保存数据，即使电子设备断电，持久性内存中的数据也不会丢失。
上述方案中，可以将持久性内存的工作模式设置为AD模式，可以该持久性内存中可以持久性地保存第一候选图像的图像特征，提高数据存储的可靠性。
下面利用具体的实施例对上述图像搜索方案再次进行描述。
本申请的一个实施例中，上述电子设备可以是分布式系统中的计算节点，例如，可以是主节点，也可以是从节点。
参见图3，图3为本申请实施例提供的一种分布式系统的结构示意图。如图3所示，该系统中包含一个主节点和三个从节点，每一计算节点分别配置有易失性内存DRAM和持久性内存PM，其中，上述DRAM可以用于存储第二候选图像的图像特征，上述PM可以用于存储第一候选图像的图像特征。每一计算节点分别用于进行图像特征存储和相似度计算，具体的：
每一计算节点用于获得待搜索图像的目标图像特征，并获得针对搜索热度的搜索范围，判断第二候选图像中是否存在搜索热度处于搜索范围的图像，若为是，则直接访问DRAM，获得DRAM中各个第二候选图像的图像特征，计算目标图像特征与各个第二候选图像的图像特征之间的相似度；
并且，还判断第一候选图像中是否存在搜索热度处于搜索范围的图像，若为是，则直接访问PM，获得PM中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；
在计算得到相似度之后，可以根据所计算的相似度，从第二候选图像和/或第一候选图像中确定与待搜索图像相似的图像。
上述实施例提供的图像搜索方案，可以应用于电子设备，电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征，电子设备可以获得待搜索图像的目标图像特征；获得搜索范围，若第一候选图像中存在处于搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。这样可以基于第一候选图像的图像特征与待搜索图像的图像特征之间的相似度，从第一候选图像中搜索与待搜索图像相似的图像。由于持久性内存支持按字节寻址，也就是，可以直接从持久性内存中读取图像特征，无需将图像特征再次向内存拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。由此可见，应用上述实施例提供的方案，可以提高图像搜索效率。
参见图4，图4为本申请实施例提供的一种图像搜索装置的结构示意图，所述装置设置于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述装置包括：
特征获得模块401，用于获得待搜索图像的目标图像特征；
范围获得模块402，用于获得搜索范围；
第一相似度计算模块403，用于若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；
第一图像搜索模块404，用于根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述电子设备还配置有易失性内存，所述易失性内存用于存储第二候选图像的图像特征；
所述装置还包括：
第二相似度计算模块，用于若所述第二候选图像中存在搜索热度处于所述搜索范围的图像，直接访问所述易失性内存，获得所述易失性内存中各个第二候选图像的图像特征，计算所述目标图像特征与各个第二候选图像的图像特征之间的相似度；
第二图像搜索模块，用于根据所计算的相似度，从所述第二候选图像中确定与所述待搜索图像相似的图像。
本申请的一个实施例中，所述第二候选图像的搜索热度高于所述第一候选图像的搜索热度，所述搜索热度通过以下信息中的至少一种描述：
图像的获得时间、图像的图像内容、图像的搜索命中频率、图像的数据来源、图像的应用场景；
所述范围获得模块402，包括：
获得针对搜索热度的搜索范围。
本申请的一个实施例中，所述持久性内存的工作模式为AD模式，其中，所述AD模式下所述持久性内存存储数据时具有持久非易失性。
本申请的一个实施例中，所述电子设备还配置有硬盘，所述硬盘用于存储所述第一候选图像，所述硬盘中的每一第一候选图像与所述持久性内存中每一图像特征之间存在对应关系；
所述第一图像搜索模块404，具体用于：
根据所计算的相似度，确定与所述目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；
按照所述对应关系，从所述硬盘所存储的第一候选图像中，搜索所述参考图像特征对应的图像。
上述实施例提供的图像搜索方案，可以应用于电子设备，电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征，电子设备可以获得待搜索图像的目标图像特征；获得搜索范围，若第一候选图像中存在处于所述搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。这样可以基于第一候选图像的图像特征与待搜索图像的图像特征之间的相似度，从第一候选图像中搜索与待搜索图像相似的图像。由于持久性内存支持按字节寻址，也就是，可以直接从持久性内存中读取图像特征，无需将图像特征再次向内存拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。由此可见，应用上述实施例提供的方案，可以提高图像搜索效率。
本申请实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现图像搜索方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像搜索方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像搜索方法。
上述实施例提供的图像搜索方案，可以应用于电子设备，电子设备配置有持久性内存，持久性内存用于存储第一候选图像的图像特征，电子设备可以获得待搜索图像的目标图像特征；获得搜索范围，若第一候选图像中存在处于所述搜索范围的图像，直接访问持久性内存，获得持久性内存中各个第一候选图像的图像特征，计算目标图像特征与各个第一候选图像的图像特征之间的相似度；根据所计算的相似度，从第一候选图像中确定与待搜索图像相似的图像。这样可以基于第一候选图像的图像特征与待搜索图像的图像特征之间的相似度，从第一候选图像中搜索与待搜索图像相似的图像。由于持久性内存支持按字节寻址，也就是，可以直接从持久性内存中读取图像特征，无需将图像特征再次向内存拷贝，从而可以节省数据拷贝带来的资源消耗，提高图像搜索效率。由此可见，应用上述实施例提供的方案，可以提高图像搜索效率。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (12)

1.一种图像搜索方法，其特征在于，所述方法应用于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述方法包括：
获得待搜索图像的目标图像特征；
获得搜索范围，若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；
根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。
2.根据权利要求1所述的方法，其特征在于，所述电子设备还配置有易失性内存，所述易失性内存用于存储第二候选图像的图像特征；
所述方法还包括：
若所述第二候选图像中存在处于所述搜索范围的图像，直接访问所述易失性内存，获得所述易失性内存中各个第二候选图像的图像特征，计算所述目标图像特征与各个第二候选图像的图像特征之间的相似度；
根据所计算的相似度，从所述第二候选图像中确定与所述待搜索图像相似的图像。
3.根据权利要求2所述的方法，其特征在于，所述第二候选图像的搜索热度高于所述第一候选图像的搜索热度，所述搜索热度通过以下信息中的至少一种描述：图像的获得时间、图像的图像内容、图像的搜索命中频率、图像的数据来源、图像的应用场景；
所述获得搜索范围，包括：
获得针对搜索热度的搜索范围。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述持久性内存的工作模式为AD模式，其中，所述AD模式下所述持久性内存存储数据时具有持久非易失性。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述电子设备还配置有硬盘，所述硬盘用于存储所述第一候选图像，所述硬盘中的每一第一候选图像与所述持久性内存中每一图像特征之间存在对应关系；
所述根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像，包括：
根据所计算的相似度，确定与所述目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；
按照所述对应关系，从所述硬盘所存储的第一候选图像中，搜索所述参考图像特征对应的图像。
6.一种图像搜索装置，其特征在于，所述装置设置于电子设备，所述电子设备配置有持久性内存，所述持久性内存用于存储第一候选图像的图像特征，所述装置包括：
特征获得模块，用于获得待搜索图像的目标图像特征；
范围获得模块，用于获得搜索范围；
第一相似度计算模块，用于若所述第一候选图像中存在处于所述搜索范围的图像，直接访问所述持久性内存，获得所述持久性内存中各个第一候选图像的图像特征，计算所述目标图像特征与各个第一候选图像的图像特征之间的相似度；
第一图像搜索模块，用于根据所计算的相似度，从所述第一候选图像中确定与所述待搜索图像相似的图像。
7.根据权利要求6所述的装置，其特征在于，所述电子设备还配置有易失性内存，所述易失性内存用于存储第二候选图像的图像特征；
所述装置还包括：
第二相似度计算模块，用于若所述第二候选图像中存在搜索热度处于所述搜索范围的图像，直接访问所述易失性内存，获得所述易失性内存中各个第二候选图像的图像特征，计算所述目标图像特征与各个第二候选图像的图像特征之间的相似度；
第二图像搜索模块，用于根据所计算的相似度，从所述第二候选图像中确定与所述待搜索图像相似的图像。
8.根据权利要求7所述的装置，其特征在于，所述第二候选图像的搜索热度高于所述第一候选图像的搜索热度，所述搜索热度通过以下信息中的至少一种描述：图像的获得时间、图像的图像内容、图像的搜索命中频率、图像的数据来源、图像的应用场景；
所述范围获得模块，具体用于：
获得针对搜索热度的搜索范围。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述持久性内存的工作模式为AD模式，其中，所述AD模式下所述持久性内存存储数据时具有持久非易失性。
10.根据权利要求6-8中任一项所述的装置，其特征在于，所述电子设备还配置有硬盘，所述硬盘用于存储所述第一候选图像，所述硬盘中的每一第一候选图像与所述持久性内存中每一图像特征之间存在对应关系；
所述第一图像搜索模块，具体用于：
根据所计算的相似度，确定与所述目标图像特征之间的相似度满足预设的相似条件的图像特征，作为参考图像特征；
按照所述对应关系，从所述硬盘所存储的第一候选图像中，搜索所述参考图像特征对应的图像。
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN202110738206.4A 2021-06-30 2021-06-30 一种图像搜索方法、装置、电子设备及存储介质 Pending CN113297409A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110738206.4A CN113297409A (zh) 2021-06-30 2021-06-30 一种图像搜索方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110738206.4A CN113297409A (zh) 2021-06-30 2021-06-30 一种图像搜索方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113297409A true CN113297409A (zh) 2021-08-24

Family

ID=77330236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110738206.4A Pending CN113297409A (zh) 2021-06-30 2021-06-30 一种图像搜索方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113297409A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792171A (zh) * 2021-11-15 2021-12-14 西安热工研究院有限公司 基于内存管理的图像检索方法、系统、设备及存储介质
CN115033731A (zh) * 2022-07-04 2022-09-09 小米汽车科技有限公司 图像检索方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063096A1 (en) * 2014-08-27 2016-03-03 International Business Machines Corporation Image relevance to search queries based on unstructured data analytics
CN107146245A (zh) * 2017-05-05 2017-09-08 北京京东尚科信息技术有限公司 图像匹配方法和装置
CN109522435A (zh) * 2018-11-15 2019-03-26 中国银联股份有限公司 一种图像检索方法及装置
CN111694765A (zh) * 2020-06-05 2020-09-22 重庆大学 一种面向移动应用特征的非易失性内存文件系统多粒度空间管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063096A1 (en) * 2014-08-27 2016-03-03 International Business Machines Corporation Image relevance to search queries based on unstructured data analytics
CN107146245A (zh) * 2017-05-05 2017-09-08 北京京东尚科信息技术有限公司 图像匹配方法和装置
CN109522435A (zh) * 2018-11-15 2019-03-26 中国银联股份有限公司 一种图像检索方法及装置
CN111694765A (zh) * 2020-06-05 2020-09-22 重庆大学 一种面向移动应用特征的非易失性内存文件系统多粒度空间管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘鑫等: "基于内容的图像比对优化技术", 《武汉理工大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792171A (zh) * 2021-11-15 2021-12-14 西安热工研究院有限公司 基于内存管理的图像检索方法、系统、设备及存储介质
CN113792171B (zh) * 2021-11-15 2022-02-18 西安热工研究院有限公司 基于内存管理的图像检索方法、系统、设备及存储介质
CN115033731A (zh) * 2022-07-04 2022-09-09 小米汽车科技有限公司 图像检索方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN106446816B (zh) 人脸识别方法及装置
CN108984225A (zh) 快速启动寄宿应用的方法及设备
US11436252B2 (en) Data processing methods, apparatuses, and devices
CN109215037B (zh) 目标图像分割方法、装置及终端设备
CN108961267B (zh) 图片处理方法、图片处理装置及终端设备
US20140115571A1 (en) Electronic device, non-transient readable medium and method thereof
CN109800181B (zh) 一种基于磁盘的数据写入方法、数据写入装置及终端设备
CN113297409A (zh) 一种图像搜索方法、装置、电子设备及存储介质
CN107748780B (zh) 一种回收站文件的恢复方法和装置
CN109144392B (zh) 一种处理手势冲突的方法、装置及电子设备
US20230205755A1 (en) Methods and systems for improved search for data loss prevention
CN110827248A (zh) 一种电子设备屏幕区域识别方法与设备
CN111597553A (zh) 病毒查杀中的进程处理方法、装置、设备及存储介质
CN107679222B (zh) 图片处理方法、移动终端及计算机可读存储介质
CN107704884B (zh) 图像标签处理方法、图像标签处理装置及电子终端
CN112559913A (zh) 一种数据处理方法、装置、计算设备及可读存储介质
CN109271543B (zh) 缩略图的显示方法、装置、终端及计算机可读存储介质
US20160357822A1 (en) Using locations to define moments
CN111522570B (zh) 目标库更新方法、装置、电子设备及机器可读存储介质
CN115544981A (zh) 文档处理方法、装置、电子设备、存储介质及程序产品
CN111813988B (zh) 用于图像特征库的hnsw节点删除方法、系统、设备和介质
US20180314698A1 (en) Media sharing based on identified physical objects
CN110209351B (zh) 分布式存储数据处理方法和装置
CN111612682B (zh) 一种水印处理方法及其装置
CN113205079A (zh) 一种人脸检测方法、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