CN114385848A - 一种图像搜索方法、装置、终端及计算机可读存储介质 - Google Patents

一种图像搜索方法、装置、终端及计算机可读存储介质 Download PDF

Info

Publication number
CN114385848A
CN114385848A CN202111454887.8A CN202111454887A CN114385848A CN 114385848 A CN114385848 A CN 114385848A CN 202111454887 A CN202111454887 A CN 202111454887A CN 114385848 A CN114385848 A CN 114385848A
Authority
CN
China
Prior art keywords
images
searched
image
preset
category
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
CN202111454887.8A
Other languages
English (en)
Inventor
李伟
马东星
周道利
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202111454887.8A priority Critical patent/CN114385848A/zh
Publication of CN114385848A publication Critical patent/CN114385848A/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
    • 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
    • G06F16/55—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种图像搜索方法、装置、终端及计算机可读存储介质，该图像搜索方法包括：获取多张待搜索图像；对获取的多张待搜索图像进行聚类，得到至少一个类别；根据类别中包含的待搜索图像获取类别的中心特征；根据类别的中心特征进行图搜索，得到搜索结果。本申请通过对获取的多张待搜索图像先进行聚类，以将多张待搜索图像中相同或相似的图像进行归类，再获取类别中所包含待搜索图像的中心特征，进而根据类别对应的中心特征进行图像搜索，提高了搜索结果的定向性，且降低了相同或相似的待搜索图像占比较高造成检索结果被稀释的现象，也可以减少图像搜索过程中的对比次数，提高检索结果的准确性。

Description

一种图像搜索方法、装置、终端及计算机可读存储介质
技术领域
本发明涉及图片信息处理技术领域，特别是涉及一种图像搜索方法、装置、终端及计算机可读存储介质。
背景技术
以图搜图是指根据图像视觉特征或者语义特征检索出具有相似内容的图像，是目前互联网上一种新型的检索方式。与以文字作为检索索引的检索方式不同，图像搜索技术的出现，使得用户对网上图像信息的搜索变得更加简单化和多样化。目前图像搜索是将上传的多张图片分别进行特征提取，并分别与数据库中的图片进行比较，再输出根据各图片搜索到的对应的多张图片。但是该方法整体搜索耗时与输入图片的数量成正比，输入的图片数量越多，搜索耗时越长。且当输入图片中存在较多相似或相同的图片时，输出结果分布会发生严重倾斜，整体结果分布不均衡，导致期望的检索结果出现偏差。
发明内容
本发明主要解决的技术问题是提供一种图像搜索方法、装置、终端及计算机可读存储介质，解决现有技术中检索结果分布出现严重倾斜的问题。
为解决上述技术问题，本发明采用的第一个技术方案是：提供一种图像搜索方法，该图像搜索方法包括：获取多张待搜索图像；对获取的多张待搜索图像进行聚类，得到至少一个类别；根据类别中包含的待搜索图像获取类别的中心特征；根据类别的中心特征进行图搜索，得到搜索结果。
其中，对获取的多张待搜索图像进行聚类，得到至少一个类别的步骤具体包括：对多张待搜索图像分别进行目标检测，得到待搜索图像中的目标对象；对目标对象进行特征提取得到目标特征；根据目标特征对多张待搜索图像进行聚类。
其中，根据目标特征对多张待搜索图像进行聚类的步骤具体包括：计算待搜索图像对应的目标特征与其它各待搜索图像对应的目标特征的相似值；判断相似值是否超过阈值；如果相似值超过阈值，则将相似值对应的两个目标特征归类到一个类别。
其中，根据类别中包含的待搜索图像获取类别的中心特征的步骤具体包括：获取类别中包含的各待搜索图像对应的目标特征的特征向量；计算类别中待搜索图像对应的特征向量的平均值；根据特征向量的平均值确定类别的中心特征。
其中，根据类别的中心特征进行图搜索，得到搜索结果的步骤具体包括：将类别对应的中心特征与数据库中的预设图像进行匹配，确定与中心特征匹配的预设图像。
其中，根据类别的中心特征进行图搜索，得到搜索结果的步骤具体还包括：将各个类别分别对应的中心特征与对应的预设图像的匹配值进行整合；根据匹配值的大小将预设图像进行排序；选取排序靠前的预设数量的预设图像作为搜索结果。
其中，根据类别的中心特征进行图搜索，得到搜索结果的步骤具体还包括：判断两个预设图像是否相同；如果两个预设图像相同，则选取一个预设图像。
其中，判断两个预设图像是否相同的步骤具体还包括：判断两个预设图像的特征向量是否相同；如果两个预设图像相同，则删除一个预设图像的步骤具体包括：如果两个预设图像的特征向量相同，则删除一个预设图像。
为解决上述技术问题，本发明采用的第二个技术方案是：提供一种图像搜索装置，图像搜索装置包括：获取模块，用于获取多张待搜索图像；聚类模块，用于对获取的多张待搜索图像进行聚类，得到至少一个类别；特征提取模块，用于根据类别中包含的待搜索图像获取类别的中心特征；搜索模块，用于根据类别的中心特征进行图搜索，得到搜索结果。
为解决上述技术问题，本发明采用的第三个技术方案是：提供一种终端，该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于执行程序数据以实现上述图像搜索方法中的步骤。
为解决上述技术问题，本发明采用的第四个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述图像搜索方法中的步骤。
本发明的有益效果是：区别于现有技术的情况，提供的一种图像搜索方法、装置、终端及计算机可读存储介质，该图像搜索方法包括：获取多张待搜索图像；对获取的多张待搜索图像进行聚类，得到至少一个类别；根据类别中包含的待搜索图像获取类别的中心特征；根据类别的中心特征进行图搜索，得到搜索结果。本申请通过对获取的多张待搜索图像先进行聚类，以将多张待搜索图像中相同或相似的图像进行归类，再获取类别中所包含待搜索图像的中心特征，进而根据类别对应的中心特征进行图像搜索，提高了搜索结果的定向性，且降低了相同或相似的待搜索图像占比较高造成检索结果被稀释的现象，也可以减少图像搜索过程中的对比次数，提高检索结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明提供的图像搜索方法的流程示意图；
图2是本发明提供的图像搜索方法一具体实施例的流程示意图；
图3是本发明提供的图像搜索装置一具体实施例的示意框图；
图4是本发明提供的终端一实施方式的示意框图；
图5是本发明提供的计算机可读存储介质一实施方式的示意框图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明所提供的一种图像搜索方法做进一步详细描述。
请参阅图1，图1是本发明提供的图像搜索方法的流程示意图。本实施例中提供一种图像搜索方法，该方法适用于以多图搜图的情景，该图像搜索方法包括如下步骤。
S11：获取多张待搜索图像。
具体地，选取m张图像作为待搜索图像。其中，m为正整数，且m≥1。也就是说，选取的图像可以为单张，也可以多张。本实施例中，以多张待搜索图像为例。待搜索图像可以为人物图像，也可以为景物图像，也可以为人物处于风景中的图像。
S12：对获取的多张待搜索图像进行聚类，得到至少一个类别。
具体地，对多张待搜索图像分别进行目标检测，得到待搜索图像中的目标对象；对目标对象进行特征提取得到目标特征；根据目标特征对多张待搜索图像进行聚类。在一具体实施例中，计算待搜索图像对应的目标特征与其它各待搜索图像对应的目标特征的相似值；判断相似值是否超过阈值；如果相似值超过阈值，则将相似值对应的两个目标特征归类到一个类别。
S13：根据类别中包含的待搜索图像获取类别的中心特征。
具体地，获取类别中包含的各待搜索图像对应的目标特征的特征向量；计算类别中待搜索图像对应的特征向量的平均值；根据特征向量的平均值确定类别的中心特征。
S14：根据类别的中心特征进行图搜索，得到搜索结果。
具体地，将类别对应的中心特征与数据库中的预设图像进行匹配，确定与中心特征匹配的预设图像。其中，预设图像可以为一个，也可以为多个。在另一可选实施例中，将各个类别分别对应的中心特征与对应的预设图像的匹配值进行整合；根据匹配值的大小将预设图像进行排序；选取排序靠前的预设数量的预设图像作为搜索结果。其中，需要判断两个预设图像是否相同；如果两个预设图像相同，则删除一个预设图像。例如，判断两个预设图像的特征向量是否相同；如果两个预设图像的特征向量相同，则选取一个预设图像。
本实施例提供的图像搜索方法通过获取多张待搜索图像；对获取的多张待搜索图像进行聚类，得到至少一个类别；根据类别中包含的待搜索图像获取类别的中心特征；根据类别的中心特征进行图搜索，得到搜索结果。本申请通过对获取的多张待搜索图像先进行聚类，以将多张待搜索图像中相同或相似的图像进行归类，再获取类别中所包含待搜索图像的中心特征，进而根据类别对应的中心特征进行图像搜索，提高了搜索结果的定向性，且降低了相同或相似的待搜索图像占比较高造成检索结果被稀释的现象，也可以减少图像搜索过程中的对比次数，提高检索结果的准确性。
请参阅图2，图2是本发明提供的图像搜索方法一具体实施例的流程示意图。本实施例中提供一种图像搜索方法，该方法适用于以多图搜图的情景，该图像搜索方法包括如下步骤。
S201：获取多张待搜索图像。
具体地，选取m张图像作为待搜索图像。其中，m为正整数，且m≥1。也就是说，选取的图像可以为单张，也可以多张。本实施例中，以多张待搜索图像为例待搜索图像可以为人物图像，也可以为景物图像，也可以为人物处于风景中的图像。
S202：对多张待搜索图像分别进行目标检测，得到待搜索图像中的目标对象。
具体的，采用目标检测模型对m张图像分别进行目标检测，以对图像中的目标对象分别进行检测。即将待搜索图像中的特征部分和背景部分区分开来，以得到待搜索图像对应的目标对象。其中，检测得到m个目标对象。在一具体实施例中，对获取的5张图像分别进行目标检测，得到5个目标对象。
S203：对目标对象进行特征提取得到目标特征。
具体的，对上述步骤得到的目标对象分别进行特征提取，以得到目标对象的目标特征。其中，可以通过深度卷积神经网络模型对目标对象分别进行特征提取得到目标对象的目标特征。在一具体实施例中，对5个目标对象分别进行特征提取得到目标对象对应的目标特征F1、F2、F3、F4和F5。
S204：根据目标特征对多张待搜索图像进行聚类。
具体地，计算待搜索图像对应的目标特征与其它各待搜索图像对应的目标特征的相似值；判断相似值是否超过阈值；如果相似值超过阈值，则将相似值对应的两个待搜索图像对应的目标特征归类到一个类别。在一具体实施例，将得到的目标对象对应的目标特征F1、F2、F3、F4和F5相互进行相似度比对，即得到F1、F2、F3、F4和F5的关系矩阵表1，表1是各目标特征之间的相似度。
表1
F1 F2 F3 F4 F5
F1 1 0.98 0.97 0.76 0.72
F2 0.98 1 0.98 0.74 0.75
F3 0.97 0.98 1 0.72 0.73
F4 0.76 0.74 0.72 1 0.68
F5 0.72 0.75 0.73 0.68 1
将上述表中的各目标特征之间的相似度与阈值进行比较，进而对个目标特征进行聚类，得到n个类别。其中，n为正整数，且n小于等于m。当阈值为0.9时，5个目标特征中，F1、F2、F3归为A类别，F4是B类别，F5是C类别，即目标特征F1、F2、F3、F4和F5可以分为3个类别，即n为3。
S205：获取类别中包含的各待搜索图像对应的特征向量。
具体地，将类别中包含的各待搜索图像对应的目标特征对应的特征值点阵转化为特征向量。也就是说，对于包含F1、F2、F3的类别中，对目标特征F1、F2、F3分别对应的特征值点阵进行转化得到对应的特征向量。进而得到该类别中包含的主要特征。对于包含F4的类别中，对目标特征F4对应的特征值点阵进行转化得到F4的特征向量。对于包含F5的类别中，对目标特征F5对应的特征值点阵进行转化得到F5的特征向量。通过该步骤可以进一步掌握每一类别中都包括哪些特征。
S206：计算类别中待搜索图像对应的特征向量的平均值。
具体地，通过上述步骤得到每一类别中都包括哪些特征，为了便于后续对类别进行搜索，则需要计算该类别中包含的待搜索图像对应的特征向量的平均值，进而获取该类别中包含的所有目标特征对应的特征向量的平均值。
S207：根据特征向量的平均值确定类别的中心特征。
具体地，根据得到的特征向量的平均值确定类别对应的中心特征，中心特征可以将类别中各目标特征的特征均涵盖，提高了对该类别进行搜索的定向性，进而方便对该类别中的待搜索图像进行搜索。例如，A类别对应的中心特征为Fa＝Average(F1的特征向量，F2的特征向量，F3的特征向量)，B类别对应的中心特征为Fb＝F4的特征向量，C类别对应的中心特征为Fc＝F5的特征向量。其中得到的Fa可以同时与目标特征F1、目标特征F2、目标特征F3具有高度的一致性和相似性。因此，进行搜索的对象从5个减少为3个，使得检索次数下降了40％，检索消耗性能也对应下降。
S208：将类别对应的中心特征与数据库中的预设图像进行匹配，确定与中心特征匹配的预设图像。
具体地，对上述步骤得到的每一类别对应的中心特征进行搜索，即将类别对应的中心特征与数据库中的预设图像进行逐一比对，判断每一中心特征与数据库中每一预设图像的相似度。判断得到的中心特征与预设图像的相似度是否大于预设值，如果中心特征与预设图像的相似度大于预设值，则将该相似度对应的预设图像保留，如果中心特征与预设图像的相似度不大于预设值，则将相似度对应的预设值去除，进而检索得到所有中心特征对应的预设图像。在一具体实施例中，将上述步骤得到的3个类别对应的中心特征均作为检索目标，在数据库中查找与该中心特征相同或相似的预设图像，进而得到与3个中心特征对应且匹配的多个预设图像。
S209：判断两个预设图像是否相同。
具体地，由于上述步骤是在数据库中对每一中心特征分别进行检索得到对应的预设图像，而最后输出的预设图像是无序的，不是将每一中心特征对应的预设图像分别进行输出。因此两个中心特征分别对应的预设图像可能存在重复。在输出所有中心特征对应的预设图形前，需要将所有保留的预设图像进行去重处理，即判断两个预设图像是否相同。具体地，需要判断两个预设图像的特征向量是否相同。
如果两个预设图像相同，则直接执行步骤S210；如果两个预设图像不相同，则直接执行步骤S211。
S210：则选取一个预设图像。
具体地，如果两个预设图像的特征向量相同，则表明两个预设图像重复，需要删除两个预设图像中的一个。
S211：则保留两个预设图像。
具体地，如果两个预设图像的特征向量不相同，则表明两个预设图像没有重复，需要将两个预设图像都保留下来作为中心特征的检索结果输出。
S212：将各个类别分别对应的中心特征与对应的预设图像的匹配值进行整合。
具体地，将上述步骤中保留的所有预设图像以及预设图像与对应中心特征的匹配值进行整合。其中，中心特征与预设图像的匹配值为中心特征与预设图像的相似值。在一具体实施例中，部分预设图像存在与至少两个中心特征的相似度，即具有至少两个相似度，则保留最大的相似度，以及该相似度对应的预设图像与中心特征。
S213：根据匹配值的大小将预设图像进行排序。
具体地，根据上述步骤得到的中心特征与预设图像的匹配度，将该匹配度从大到小依次进行排序，即可以得到该匹配度对应的预设图像的排序。预设图像的排序越靠前，则表明与输入待搜索图像的相似度越高。
S214：选取排序靠前的预设数量的预设图像作为搜索结果。
具体地，根据需求设定预设数量，将上述排序中靠前的预设数量个预设图像作为待搜索图像的检索结果进行输出。通过该方法，提高了目标特征F4和F5分别对应的预设图像在搜索结果中的占比，进而降低了输入条件不均衡导致部分输入条件对应的搜索结果被稀释的现象。
本实施例提供的图像搜索方法通过获取多张待搜索图像；对获取的多张待搜索图像进行聚类，得到至少一个类别；根据类别中包含的待搜索图像获取类别的中心特征；根据类别的中心特征进行图搜索，得到搜索结果。本申请通过对获取的多张待搜索图像先进行聚类，以将多张待搜索图像中相同或相似的图像进行归类，再获取类别中所包含待搜索图像的中心特征，进而根据类别对应的中心特征进行图像搜索，提高了搜索结果的定向性，且降低了相同或相似的待搜索图像占比较高造成检索结果被稀释的现象，也可以减少图像搜索过程中的对比次数，提高检索结果的准确性。
参阅图3，图3是本发明提供的图像搜索装置一具体实施例的示意框图。本实施例提供一种图像搜索装置30，图像搜索装置30包括获取模块31、聚类模块32、特征提取模块33和搜索模块34。
获取模块31用于获取多张待搜索图像；聚类模块32用于对获取的多张待搜索图像进行聚类，得到至少一个类别；特征提取模块33用于根据类别中包含的待搜索图像获取类别的中心特征；搜索模块34用于根据类别的中心特征进行图搜索，得到搜索结果。
本实施例提供的图像搜索装置通过对获取的多张待搜索图像先进行聚类，以将多张待搜索图像中相同或相似的图像进行归类，再获取类别中所包含待搜索图像的中心特征，进而根据类别对应的中心特征进行图像搜索，提高了搜索结果的定向性，且降低了相同或相似的待搜索图像占比较高造成检索结果被稀释的现象，也可以减少图像搜索过程中的对比次数，提高检索结果的准确性。
参阅图4，图4是本发明提供的终端一实施方式的示意框图。该实施方式中的终端70包括：处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序，该计算机程序被处理器71执行时实现上述图像搜索方法中，为避免重复，此处不一一赘述。
参阅图5，图5是本发明提供的计算机可读存储介质一实施方式的示意框图。
本申请的实施方式中还提供一种计算机可读存储介质90，计算机可读存储介质90存储有计算机程序901，计算机程序901中包括程序指令，处理器执行程序指令，实现本申请实施方式提供的图像搜索方法。
其中，计算机可读存储介质90可以是前述实施方式的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质90也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上仅为本发明的实施方式，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种图像搜索方法，其特征在于，包括：
获取多张待搜索图像；
对获取的所述多张待搜索图像进行聚类，得到至少一个类别；
根据所述类别中包含的所述待搜索图像获取所述类别的中心特征；
根据所述类别的中心特征进行图搜索，得到搜索结果。
2.根据权利要求1所述的图像搜索方法，其特征在于，
所述对获取的所述多张待搜索图像进行聚类，得到至少一个类别的步骤具体包括：
对多张所述待搜索图像分别进行目标检测，得到所述待搜索图像中的目标对象；
对所述目标对象进行特征提取得到目标特征；
根据所述目标特征对所述多张待搜索图像进行聚类。
3.根据权利要求2所述的图像搜索方法，其特征在于，
所述根据所述目标特征对所述多张待搜索图像进行聚类的步骤具体包括：
计算所述待搜索图像对应的所述目标特征与其它各所述待搜索图像对应的所述目标特征的相似值；
判断所述相似值是否超过阈值；
如果所述相似值超过所述阈值，则将所述相似值对应的两个所述目标特征归类到一个所述类别。
4.根据权利要求2所述的图像搜索方法，其特征在于，
所述根据所述类别中包含的所述待搜索图像获取所述类别的中心特征的步骤具体包括：
获取所述类别中包含的各所述待搜索图像对应的特征向量；
计算所述类别中所述待搜索图像对应的所述特征向量的平均值；
根据所述特征向量的平均值确定所述类别的中心特征。
5.根据权利要求1所述的图像搜索方法，其特征在于，
所述根据所述类别的中心特征进行图搜索，得到搜索结果的步骤具体包括：
将所述类别对应的所述中心特征与数据库中的预设图像进行匹配，确定与所述中心特征匹配的所述预设图像。
6.根据权利要求5所述的图像搜索方法，其特征在于，
所述根据所述类别的中心特征进行图搜索，得到搜索结果的步骤具体还包括：
将各个所述类别分别对应的所述中心特征与对应的所述预设图像的匹配值进行整合；
根据所述匹配值的大小将所述预设图像进行排序；
选取排序靠前的预设数量的所述预设图像作为所述搜索结果。
7.根据权利要求6所述的图像搜索方法，其特征在于，
所述根据所述类别的中心特征进行图搜索，得到搜索结果的步骤具体还包括：
判断两个所述预设图像是否相同；
如果所述两个预设图像相同，则选取一个所述预设图像。
8.根据权利要求7所述的图像搜索方法，其特征在于，
所述判断两个所述预设图像是否相同的步骤具体包括：
判断两个所述预设图像的所述特征向量是否相同；
所述如果所述两个预设图像相同，则删除一个所述预设图像的步骤具体包括：
如果所述两个预设图像的所述特征向量相同，则删除一个所述预设图像。
9.一种图像搜索装置，其特征在于，所述图像搜索装置包括：
获取模块，用于获取多张待搜索图像；
聚类模块，用于对获取的所述多张待搜索图像进行聚类，得到至少一个类别；
特征提取模块，用于根据所述类别中包含的所述待搜索图像获取所述类别的中心特征；
搜索模块，用于根据所述类别的中心特征进行图搜索，得到搜索结果。
10.一种终端，其特征在于，所述终端包括存储器、处理器以及存储于所述存储器中并在所述处理器上运行的计算机程序，所述处理器用于执行程序数据以实现如权利要求1～8任一项所述的图像搜索方法中的步骤。
11.一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权利要求1～8任一项所述的图像搜索方法中的步骤。
CN202111454887.8A 2021-12-01 2021-12-01 一种图像搜索方法、装置、终端及计算机可读存储介质 Pending CN114385848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111454887.8A CN114385848A (zh) 2021-12-01 2021-12-01 一种图像搜索方法、装置、终端及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111454887.8A CN114385848A (zh) 2021-12-01 2021-12-01 一种图像搜索方法、装置、终端及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN114385848A true CN114385848A (zh) 2022-04-22

Family

ID=81196650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111454887.8A Pending CN114385848A (zh) 2021-12-01 2021-12-01 一种图像搜索方法、装置、终端及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114385848A (zh)

Similar Documents

Publication Publication Date Title
CN109189991B (zh) 重复视频识别方法、装置、终端及计算机可读存储介质
JP4990383B2 (ja) 画像グループの表現方法、画像グループの探索方法、装置、コンピュータ読み取り可能な記憶媒体およびコンピュータシステム
EP3248143B1 (en) Reducing computational resources utilized for training an image-based classifier
CN113255694B (zh) 训练图像特征提取模型和提取图像特征的方法、装置
US8775401B2 (en) Shape based picture search
JP2009282980A (ja) 画像学習、自動注釈、検索方法及び装置
US8254678B2 (en) Image segmentation
CN110019891B (zh) 图像存储方法、图像检索方法及装置
JP2006338313A (ja) 類似画像検索方法，類似画像検索システム，類似画像検索プログラム及び記録媒体
CN110751027B (zh) 一种基于深度多示例学习的行人重识别方法
CN111325245A (zh) 重复图像识别方法、装置、电子设备及计算机可读存储介质
KR101472451B1 (ko) 디지털 콘텐츠 관리 시스템 및 방법
CN114625918A (zh) 视频推荐方法、装置、设备、存储介质及程序产品
CN111177436A (zh) 一种人脸特征检索方法、装置及设备
CN110209895B (zh) 向量检索方法、装置和设备
CN110083731B (zh) 图像检索方法、装置、计算机设备及存储介质
CN114385848A (zh) 一种图像搜索方法、装置、终端及计算机可读存储介质
CN106548118A (zh) 影院放映内容的识别检索方法及系统
CN112182264B (zh) 地标信息的确定方法、装置、设备及可读存储介质
WO2017143979A1 (zh) 图像的检索方法及装置
Syam et al. An effective similarity measure via genetic algorithm for Content-Based Image Retrieval with extensive features
CN107092875B (zh) 一种新的场景识别方法
Kao et al. CLIMS—a system for image retrieval by using colour and wavelet features
Nguyen et al. Clustering web video search results with convolutional neural networks
CN111797765A (zh) 图像处理方法、装置、服务器及存储介质

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