CN114528424A - 一种基于图像的信息搜索方法、装置、设备及存储介质 - Google Patents

一种基于图像的信息搜索方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114528424A
CN114528424A CN202210039765.0A CN202210039765A CN114528424A CN 114528424 A CN114528424 A CN 114528424A CN 202210039765 A CN202210039765 A CN 202210039765A CN 114528424 A CN114528424 A CN 114528424A
Authority
CN
China
Prior art keywords
image
text
correlation degree
alternative
images
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
CN202210039765.0A
Other languages
English (en)
Inventor
魏翔
孙逸鹏
姚锟
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210039765.0A priority Critical patent/CN114528424A/zh
Publication of CN114528424A publication Critical patent/CN114528424A/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
    • G06F16/53—Querying
    • 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
    • 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
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • 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

Landscapes

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

Abstract

本公开提供了一种基于图像的信息搜索方法、装置、设备及其存储介质，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理等场景。具体实现方案为：首先，根据参考图像进行信息搜索，得到与参考图像匹配的一组图像及相应图像所对应的文本(例如，标题或概要信息等)；之后，对参考图像和搜索结果中的每一图像所对应的文本进行图文相关度分析，得到每一图像的图文相关度得分；然后，将图文相关度得分低于阈值的图像从搜索结果中移除。如此，可大大减少搜索结果中，图像与参考图像相似，但图像关联的内容却与参考图像不相关的情况。

Description

一种基于图像的信息搜索方法、装置、设备及存储介质
技术领域
本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理等场景。
背景技术
用图来搜商品是目前各大电商平台的重要能力之一，商家所展示的商品中，往往存在商品图像和标题不符、商品图像中包含多个不相关物体的问题。例如，使用A商品的图像进行搜索，却得到了商品图像包含A的B商品。
发明内容
本公开提供了一种基于图像的信息搜索方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种基于图像的信息搜索方法，包括：根据参考图像进行信息搜索，得到与参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；对参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；从N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，M小于等于N。
根据本公开的另一方面，提供了一种基于图像的信息搜索装置，包括：图像搜索模块，用于根据参考图像进行信息搜索，得到与参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；图文相关度分析模块，用于对参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；图像筛选模块，用于从N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，M小于等于N。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项基于图像的信息搜索方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任一项基于图像的信息搜索方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项基于图像的信息搜索方法。
本公开提供一种基于图像的信息搜索方法、装置、设备及存储介质，该方法包括：首先，根据参考图像进行信息搜索，得到与参考图像匹配的一组图像及相应图像所对应的文本(例如，标题或概要信息等)；之后，对参考图像和搜索结果中的每一图像所对应的文本进行图文相关度分析，得到每一图像的图文相关度得分；然后，将图文相关度得分低于阈值的图像从搜索结果中移除。如此，可大大减少搜索结果中，图像与参考图像相似，但图像关联的内容却与参考图像不相关的情况。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开第一实施例实现基于图像的信息搜索方法的流程示意图；
图2是本公开第二实施例图文相关度分析网络的框架示意图；
图3是本公开第三实施例图文相关度分析网络的框架和应用场景示意图；
图4是本公开第三实施例使用图文相关度分析网络进行图文相关度分析的流程示意图；
图5是本公开第三实施例训练图文相关度分析网络的流程示意图；
图6是本公开第一实施例实现基于图像的信息搜索装置的结构示意图；
图7是用来实现本公开实施例的基于图像的信息搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
图1示出了本公开一实施例基于图像的信息搜索方法的主要流程。如图1所示，该方法包括：操作S110，根据参考图像进行信息搜索，得到与参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；操作S120，对参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；操作S130，从N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，M小于等于N。
其中，在操作S110中，参考图像指用来搜索与之相似或相关的图像，也就是搜索所依据的图像。参考图像可以是实时拍摄的照片，也可以是从用户设备中浏览获取的图像。
信息搜索中的信息指本次搜索的所要获取的主要信息，可以是网页、网络图片或是商品等。
备选图像是根据参考图像进行信息搜索，与参考图像的图像特征所匹配的图像，通常是与参考图像相似或相关的图像。例如，网页中嵌入的图片、网络图片本身或商品图像等，通过这些备选图像和关联信息的链接，即可获取与之关联的网页、网络图片或商品等。
与备选图像对应的文本，指用于描述备选图像关联信息的文本，例如，网页的概要信息、网络图片的描述信息或商品标题等。
在本公开实施例中，是通过深度神经网络分别提取参考图像和搜索范围内各图片的图像视觉特征，并从中选取与参考图像的图像视觉特征相似度最高的N个图像作为备选图片
但本公开基于图像的信息搜索方法，并不限定根据参考图像进行信息搜索得到与参考图像匹配的N个备选图像以及与备选图像对应的文本的具体方法，实施者可根据实施需要和具体的实施条件，采样任何适用的方法。
在操作S120中，图文相关度指待分析的图像所表达的内容与待分析的文本所表达的内容是否一致以及一致的程度。例如，人物A的照片与人物A的简介就是密切相关的，图文相关度高；而人物A的照片与同人物A合影的人物B的简介就不太相关，图文相关度低。
图文相关度得分指表征图文相关度的数值或等级。
相应备选图像的图文相关度得分指相应备选图像对应的文本与参考图像的图文相关度得分。
在本公开实施例中，主要通过对参考图像进行图像识别得到参考图像中所包含的对象名称，然后再通过对象名称和备选图像所对应的文本进行比对和相关性分析得到图文相关度的。
但本公开基于图像的信息搜索方法，并不限定如何进行图文相关度分析的具体方法，实施者还可以通过其他任何适用的图文相关度分析方法来获取备选图像的图文相关度得分。
在操作S130中，阈值是指预先指定的一个相关度数值，用于过滤掉图文相关度较低的搜索结果。该阈值通常是根据经验值指定的，还可根据实施效果进行调节。
本公开实施例在通过操作S110搜索到与参考图像相关的信息后，并不是立即显示这些搜索到的相关信息，而是通过操作S120，对搜索结果中的图像(备选图像)所对应的文本进行进一步检测，分析相应文本与参考图片的图文相关度，并通过操作S130将图文相关度较低的搜索结果过滤掉。如此，可使得最终显示给用户的搜索结果更为准确，更接近用户真正的搜索意图，并尽可能避免显示内容与参考图像相关度低的信息。从而大大节省了用户查找信息的时间，也提升了用户的使用体验。
图2示出了本公开的另一实施例。本公开实施例应用在通过参考图像搜索相关网页的应用场景中。
其中，在对参考图像和相应备图像对应的文本进行图文相关度分析时，是通过将参考图片作为输入的图片20，将备选图像对应的文本作为输入的文本21，输入图文相关度分析网络22中进行图文相关度分析，得到端到端的图文相关度得分23，之后将图文相关度得分23作为相应备选图像的图文相关度得分。
其中，图文相关度分析网络22是一个经过图像和文本的样本对进行自监督训练所得到的。其中自监督训练指，从大规模的无标注数据中挖掘自身的监督信息，并根据挖掘到的自身的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。
图2中的虚线部分示出了该图文相关度分析网络22的训练过程。
在本公开实施例中，是通过爬虫技术获取的页面信息和页面图片来获取图像和文本的样本对的，并根据图像识别24的结果进行监督信息的挖掘。例如，如果识别结果为单个物体或单个人物，则推测该网页图片与页面信息系的图文相关度较高，约等于1；如果识别到X个物体或X个人物，则推测该网页图片与页面信息系的图文相关度为1/X等，X为自然数。
之后，将上述挖掘到的自身的监督信息作为标注的图文相关度得分，将爬虫技术获取的页面信息作为输入的文本21，将相应页面中包含的图片作为输入的图像20，一起输入到对应的文本和页面图片、图文相关度分析网络22中进行图文相关度分析，得到端到端的图文相关度得分23。
然后，根据自动标注的图文相关度25和图文相关度分析网络22输出的图文相关度23进行损失函数26的计算，得到损失函数值27；根据损失函数值27，通过更新网络参数28更新图文相关度分析网络22的网络参数，以使得损失函数值27最小化。
由于图文相关度分析网络22是端到端的网络，可大大简化实现过程；而且，由于图文相关度分析网络22还可以使用实际应用数据和应用结果生成新的训练数据，持续进行训练，还可使得图文相关度分析网络的输出结果越来越准确。
此外，在本实施例中所使用的图文相关度分析网络22是使用自监督训练得到的，可在不影响网络预测精度的情况下，大大减少训练数据的标注工作，进一步节约训练成本，取得较好的成本收益比。
在本公开实施例中，图文相关度分析网络22基于深度神经网络(DNN)，使用的是交叉熵损失函数。
但本公开基于图像的信息搜索方法并不限定图文相关度分析网络22具体所基于的网络架构或损失函数的具体实现细节，实施者可采取任何适用的算法或损失函数。
此外，图文相关度分析网络22还可以由多个网络组成，或通过多个网络联合训练得到的深度神经网络。
图3示出了本公开的另一实施例。本公开实施例应用在通过参考图像搜索相关商品的应用场景中。
在本公开实施例中图文相关度分析网络32包括图像特征提取分支321和文本特征提取分支322。
相应地，将参考图像和每个备选图像对应的文本输入图文相关度分析网络，得到相应备选图像的图文相关度得分的过程主要如图4所示，包括：
操作S410，将参考商品图片30(参考图像)输入图像特征提取分支321，得到商品图片30的图像特征向量；
其中，图像特征提取分支321基于Deit-base-path16-224，输入为尺寸为224x224的RGB商品图片，输出为L2归一化后的512维特征向量。
操作S420，将每个备选商品36(备选图像)对应的商品标题31(备选图像对应的文本)输入文本特征提取分支322，得到相应备选商品(备选图像)的文本特征向量；
其中，文本特征提取分支322基于Bert，输入为商品的标题或商品描述，支持中文、英文、数字和符号的输入，输出为商品的标题或商品描述进行分词后得到的最多128个词汇序列，再经过网络运算后L2归一化后的得到512维特征向量。
操作S430，根据参考商品图片30的图像特征向量和相应备选商品36的文本特征向量之间的向量距离，得到图文相关度得分33，并将该得分确定为相应备选商品的图文相关度得分。
其中，可使用的向量距离包括：汉明距离、汉明距离和余弦距离等。
由于余弦距离可用来衡量两个向量方向的差异，因此比较适合用来衡量向量之间的差异，特别是趋势上的差异。此外，在样本训练过程中，样本之间的余弦距离也较为容易设置和调节。故在本公开实施例中使用余弦距离来衡量参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，并根据余弦距离的远近来确定产品参考图片30和相应备选产品36的商品标题31之间的图文相关度：余弦距离近的图文相关度高；余弦距离远的图文相关度低。
在本公开实施例中，实现根据参考商品图片30搜索相关商品的过程分为两个阶段：离线入库阶段和在线检索阶段。
在离线入库阶段，每个商品的商品图片经过视觉特征提取网络34提取商品相似特征向量存储到商品库35；每个商品的商品标题通过图文相关度分析网络32的文本特征提取分支322计算相应商品的文本特征向量，并将该文本特征向量也存储到商品库35。
其中，视觉特征提取网络34的主干网络基于深度神经网络，为Deit-base-path16-224结构，输入是尺寸为224x224的RGB商品图像，输出是一个L2归一化后的512维特征向量，是通过大量带有商品标签的数据集训练得到的网络。在本公开实施例中采用ArcMarginloss训练网络(参数s＝30，m＝0.1)，通过最小化损失函数优化该网络，从而使同类商品图片特征向量在特征空间中的距离接近，不同类商品图片特征向量的距离远离。
在线检索阶段，参考商品图片30输入视觉特征提取网络34提取得到第一商品相似特征向量，与商品库中每个商品的第二商品相似特征向量计算相似度，召回相似度最大的Top-K个结果作为备选图片，其关联的商品作为备选商品36。
参考商品图片30输入图文相关度分析网络32的图像特征提取分支321，计算图像特征向量，与召回的Top-K个结果的备选商品36的文本特征向量计算余弦距离得到图文相关度得分，将图文相关度得分低于阈值的结果过滤掉，得到目标商品37。
如此，可从备选商品36中过滤掉文本相关度较低的商品，从而可进一步提升用户搜索体验，缩短用户找到真正需要的商品的时间。
在本公开实施例中，使用图像特征提取分支321和文本特征提取分支322可更为准确地提取到每一商品的图文特征，比起使用单个笼统的深度神经网络所获取的图文相关度，更容易收敛且精度更高。
而且，采用这一实施方式还可用文本特征提取分支322预先提取每个商品的文本特征向量，并存储在商品库或其它数据存储系统中。如此，可省去将商品标题31转换为文本特征向量的处理过程，从而大大缩短在线搜索阶段的处理时间。
在本公开实施例中，由图文相关度分析网络32进行自监督训练的过程如图5所示，主要包括：
操作S510，获取图文相关的图像和文本对，作为正样本对；
在本公开实施例中图文相关的图像和文本对，是从商品库中获取的同一商品的商品图像和商品标题。在本公开实施例的训练过程中，默认同一商品的商品图像和商品标题是相关的。
操作S520，获取图文不相关的图像和文本对，作为负样本对；
在本公开实施例中图文不相关的图像和文本对，是从商品库中获取的某个商品的商品图像和另一商品的商品标题。在本公开实施例的训练过程中，默认某一商品的商品图像和另一商品的商品标题是不相关的。
操作S530，将正样本对和负样本对，输入图文相关度分析网络32，得到正样本对的图文相关度得分和负样本对的图文相关度得分；
操作S540，根据正样本对的图文相关度得分和负样本对的图文相关度得分，计算损失函数的值，损失函数为正样本和负样本的噪声对比估计函数；
由于，本公开实施例中，是采用自监督的训练方法来训练图文相关度分析网络32的，并可以通过正样本对和负样本对来定义数据分布和噪声分布。因此，非常适合使用噪声对比估计函数(Noise Contrastive Estimation，NCE)或信息噪声对比估计函数(InformationNoise Contrastive Estimation，InfoNCE)作为损失函数。
其中，InfoNCE比起NCE更适合用在包含文本表示的处理中，因此，在本实施例中使用InfoNCE作为损失函数。
具体地，在本实施例中使用如下公式计算损失函数Lossq：
Figure BDA0003467197510000091
其中，其中τ是超参，在本实施例中，τ＝0.07；
exp是预测的概率；
q是参考向量；
k+是与q对应的正样本对，为简化计算，在一批样本中，通常只取一个样本对作为正样本对；
k是与q对应的所有样本对，包含正样本对和负样本对；
K是负样本对的数量，在本实施例中，K＝256；
分子表示：q对k+(正样本)的点积，其中，点积用于描述q和k+两个向量之间的余弦距离。
分母表示：q对所有k的点积，其中，所有k就是包含正样本和负样本的所有样本，所以求和号是从i＝0到K，一共K+1项。
操作S550，根据损失函数的值，修改图文相关度分析网络的网络参数以使损失函数的值最小化。
如此，可将正样本对的图像特征向量和文本特征向量间的余弦距离拉近，将负样本对的图像特征向量和文本特征向量间的距离推远。
使用上述方法训练出的图文相关度分析网络32可以通过计算输入图片与文本特征向量间余弦距离，刻画出输入的图文相关性。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的一实施例，本公开还提供了一种基于图像的信息搜索装置。如图6所示，该装置60，包括：图像搜索模块601，用于根据参考图像进行信息搜索，得到与参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；图文相关度分析模块602，用于对参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；图像筛选模块603，用于从N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，M小于等于N。
根据本公开的另一实施例，其中，图文相关度分析模块602，具体用于将参考图像和每个备选图像对应的文本输入图文相关度分析网络，得到相应备选图像的图文相关度得分，图文相关度分析网络是使用图像和文本对进行自监督训练得到的。
根据本公开的另一实施例，其中，图文相关度分析模块602包括：图像特征提取单元，用于将参考图像输入图像特征提取分支，得到参考图像的图像特征向量；文本特征提取单元，用于将每个备选图像对应的文本输入文本特征提取分支，得到相应备选图像的文本特征向量；相关度分析单元，用于根据参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，确定相应备选图像的图文相关度得分。
根据本公开的另一实施例装置，该装置60还包括：文本特征向量存储单元，用于将相应备选图像的文本特征向量，存储至第一数据存储系统；相应地，相关度分析单元，还用于根据参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，确定相应备选图像的图文相关度得分。
根据本公开的另一实施例，该装置60还包括：图文相关度分析网络训练模块，用于对图文相关度分析网络进行自监督训练。
根根据本公开的另一实施例，图文相关度分析网络训练模块包括：正样本对获取单元，用于获取图文相关的图像和文本对，作为正样本对；负样本对获取单元，用于获取图文不相关的图像和文本对，作为负样本对；图文相关度分析单元，用于将正样本对和负样本对，输入图文相关度分析网络，得到正样本对的图文相关度得分和负样本对的图文相关度得分；损失函数计算单元，用于根据正样本对的图文相关度得分和负样本对的图文相关度得分，计算损失函数的值，损失函数为正样本和负样本的噪声对比估计函数；网络参数修改单元，用于根据损失函数的值，修改图文相关度分析网络的网络参数以使损失函数的值最小化。
根据本公开的实施例，本公开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。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如本公开基于图像的信息搜索方法。例如，在一些实施例中，本公开基于图像的信息搜索方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的本公开基于图像的信息搜索方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开基于图像的信息搜索方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种基于图像的信息搜索方法，包括：
根据参考图像进行信息搜索，得到与所述参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；
对所述参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；
从所述N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，所述M小于等于N。
2.根据权利要求1所述的方法，其中，所述对所述参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分，包括：
将所述参考图像和每个备选图像对应的文本输入图文相关度分析网络，得到相应备选图像的图文相关度得分，所述图文相关度分析网络是使用图像和文本对进行自监督训练得到的。
3.根据权利要求2所述的方法，其中，所述图文相关度分析网络包括图像特征提取分支和文本特征提取分支；
相应地，所述将所述参考图像和每个备选图像对应的文本输入图文相关度分析网络，得到相应备选图像的图文相关度得分，包括：
将所述参考图像输入所述图像特征提取分支，得到所述参考图像的图像特征向量；
将所述每个备选图像对应的文本输入所述文本特征提取分支，得到相应备选图像的文本特征向量；
根据所述参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，确定相应备选图像的图文相关度得分。
4.根据权利要求3所述的方法，还包括：
将相应备选图像的文本特征向量，存储至第一数据存储系统；
相应地，所述获取所述参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，包括：
获取所述参考图像的图像特征向量和所述第一数据存储系统中存储的相应备选图像的文本特征向量之间的向量距离。
5.根据权利要求3所述的方法，其中，所述向量距离为余弦距离。
6.根据权利要求2至5任一项所述的方法，还包括：
对所述图文相关度分析网络进行自监督训练。
7.根据权利要求6所述的方法，所述对所述图文相关度分析网络进行自监督训练，包括：
获取图文相关的图像和文本对，作为正样本对；
获取图文不相关的图像和文本对，作为负样本对；
将所述正样本对和所述负样本对，输入所述图文相关度分析网络，得到所述正样本对的图文相关度得分和所述负样本对的图文相关度得分；
根据所述正样本对的图文相关度得分和所述负样本对的图文相关度得分，计算损失函数的值，所述损失函数为所述正样本和所述负样本的噪声对比估计函数；
根据所述损失函数的值，修改所述图文相关度分析网络的网络参数以使所述损失函数的值最小化。
8.根据权利要求7所述的方法，所噪声对比估计函数为信息噪声对比估计函数InfoNCE。
9.一种基于图像的信息搜索装置，包括：
图像搜索模块，用于根据参考图像进行信息搜索，得到与所述参考图像匹配的N个备选图像以及与备选图像对应的文本，N为自然数；
图文相关度分析模块，用于对所述参考图像和每个备选图像对应的文本进行图文相关度分析，得到相应备选图像的图文相关度得分；
图像筛选模块，用于从所述N个备选图像中移除图文相关度得分低于阈值的备选图像，得到M个目标图像，M为自然数，所述M小于等于N。
10.根据权利要求9所述的装置，其中，所述图文相关度分析模块，具体用于将所述参考图像和每个备选图像对应的文本输入图文相关度分析网络，得到相应备选图像的图文相关度得分，所述图文相关度分析网络是使用图像和文本对训练得到的。
11.根据权利要求10所述的装置，其中，所述图文相关度分析模块包括：
图像特征提取单元，用于将所述参考图像输入所述图像特征提取分支，得到所述参考图像的图像特征向量；
文本特征提取单元，用于将所述每个备选图像对应的文本输入所述文本特征提取分支，得到相应备选图像的文本特征向量；
相关度分析单元，用于根据所述参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，确定相应备选图像的图文相关度得分。
12.根据权利要求11所述的装置，还包括：
文本特征向量存储单元，用于将相应备选图像的文本特征向量，存储至第一数据存储系统；
相应地，相关度分析单元，还用于根据所述参考图像的图像特征向量和相应备选图像的文本特征向量之间的向量距离，确定相应备选图像的图文相关度得分。
13.根据权利要求10至12任一项所述的装置，还包括：
图文相关度分析网络训练模块，用于对所述图文相关度分析网络进行自监督训练。
14.根据权利要求13所述的装置，所述图文相关度分析网络训练模块包括：
正样本对获取单元，用于获取图文相关的图像和文本对，作为正样本对；
负样本对获取单元，用于获取图文不相关的图像和文本对，作为负样本对；
图文相关度分析单元，用于将所述正样本对和所述负样本对，输入所述图文相关度分析网络，得到所述正样本对的图文相关度得分和所述负样本对的图文相关度得分；
损失函数计算单元，用于根据所述正样本对的图文相关度得分和所述负样本对的图文相关度得分，计算损失函数的值，所述损失函数为所述正样本和所述负样本的噪声对比估计函数；
网络参数修改单元，用于根据所述损失函数的值，修改所述图文相关度分析网络的网络参数以使所述损失函数的值最小化。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－8中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1－8中任一项所述的方法。
17.一种计算机程序产品，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1－8中任一项所述的方法。
CN202210039765.0A 2022-01-12 2022-01-12 一种基于图像的信息搜索方法、装置、设备及存储介质 Pending CN114528424A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210039765.0A CN114528424A (zh) 2022-01-12 2022-01-12 一种基于图像的信息搜索方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210039765.0A CN114528424A (zh) 2022-01-12 2022-01-12 一种基于图像的信息搜索方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114528424A true CN114528424A (zh) 2022-05-24

Family

ID=81620723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210039765.0A Pending CN114528424A (zh) 2022-01-12 2022-01-12 一种基于图像的信息搜索方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114528424A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110016251A (ko) * 2009-08-11 2011-02-17 김황철 문맥매칭형 이미지텍스트 링크에 의한 인터넷 광고방법
CN102063436A (zh) * 2009-11-18 2011-05-18 腾讯科技（深圳）有限公司 一种利用终端获取图像实现商品信息搜索的系统及方法
KR20120076497A (ko) * 2010-11-26 2012-07-09 인하대학교 산학협력단 상품명의 이미지-텍스트 융합 캡차를 이용한 광고 시스템 및 방법
CN107358490A (zh) * 2017-06-19 2017-11-17 北京奇艺世纪科技有限公司 一种图像匹配方法、装置及电子设备
CN107577687A (zh) * 2016-07-20 2018-01-12 北京陌上花科技有限公司 图像检索方法及装置
CN111666437A (zh) * 2019-03-07 2020-09-15 北京奇虎科技有限公司 一种基于局部匹配的图文检索方法及装置
CN113360700A (zh) * 2021-06-30 2021-09-07 北京百度网讯科技有限公司 图文检索模型的训练和图文检索方法、装置、设备和介质
CN113392640A (zh) * 2020-10-13 2021-09-14 腾讯科技（深圳）有限公司 一种标题确定方法、装置、设备及存储介质
CN113392341A (zh) * 2020-09-30 2021-09-14 腾讯科技（深圳）有限公司 封面选择方法、模型训练方法、装置、设备及存储介质
CN113590865A (zh) * 2021-07-09 2021-11-02 北京百度网讯科技有限公司 图像搜索模型的训练方法及图像搜索方法
CN113609319A (zh) * 2021-07-26 2021-11-05 阿里巴巴（中国）有限公司 商品搜索方法、装置和设备
CN113762309A (zh) * 2021-01-25 2021-12-07 北京沃东天骏信息技术有限公司 对象匹配方法、装置及设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110016251A (ko) * 2009-08-11 2011-02-17 김황철 문맥매칭형 이미지텍스트 링크에 의한 인터넷 광고방법
CN102063436A (zh) * 2009-11-18 2011-05-18 腾讯科技（深圳）有限公司 一种利用终端获取图像实现商品信息搜索的系统及方法
KR20120076497A (ko) * 2010-11-26 2012-07-09 인하대학교 산학협력단 상품명의 이미지-텍스트 융합 캡차를 이용한 광고 시스템 및 방법
CN107577687A (zh) * 2016-07-20 2018-01-12 北京陌上花科技有限公司 图像检索方法及装置
CN107358490A (zh) * 2017-06-19 2017-11-17 北京奇艺世纪科技有限公司 一种图像匹配方法、装置及电子设备
CN111666437A (zh) * 2019-03-07 2020-09-15 北京奇虎科技有限公司 一种基于局部匹配的图文检索方法及装置
CN113392341A (zh) * 2020-09-30 2021-09-14 腾讯科技（深圳）有限公司 封面选择方法、模型训练方法、装置、设备及存储介质
CN113392640A (zh) * 2020-10-13 2021-09-14 腾讯科技（深圳）有限公司 一种标题确定方法、装置、设备及存储介质
CN113762309A (zh) * 2021-01-25 2021-12-07 北京沃东天骏信息技术有限公司 对象匹配方法、装置及设备
CN113360700A (zh) * 2021-06-30 2021-09-07 北京百度网讯科技有限公司 图文检索模型的训练和图文检索方法、装置、设备和介质
CN113590865A (zh) * 2021-07-09 2021-11-02 北京百度网讯科技有限公司 图像搜索模型的训练方法及图像搜索方法
CN113609319A (zh) * 2021-07-26 2021-11-05 阿里巴巴（中国）有限公司 商品搜索方法、装置和设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘强强;余黎青;赵鹏;刘慧婷;: "基于移动平台的图像检索系统", 计算机技术与发展, vol. 26, no. 11, 30 November 2016 (2016-11-30) *
刘艳华;周宁;: "图像信息资源检索技术的进展研究", 现代情报, no. 01, 25 January 2006 (2006-01-25) *
张皓;吴建鑫;: "基于深度特征的无监督图像检索研究综述", 计算机研究与发展, no. 09, 15 September 2018 (2018-09-15) *
李卓;邱慧娟;: "基于相关系数的快速图像匹配研究", 北京理工大学学报, no. 11, 15 November 2007 (2007-11-15) *

Similar Documents

Publication Publication Date Title
EP3872652B1 (en) Method and apparatus for processing video, electronic device, medium and product
CN113656582A (zh) 神经网络模型的训练方法、图像检索方法、设备和介质
CN112632227B (zh) 简历匹配方法、装置、电子设备、存储介质和程序产品
CN114494784A (zh) 深度学习模型的训练方法、图像处理方法和对象识别方法
CN112966744A (zh) 模型训练方法、图像处理方法、装置和电子设备
CN113360700A (zh) 图文检索模型的训练和图文检索方法、装置、设备和介质
CN112800919A (zh) 一种检测目标类型视频方法、装置、设备以及存储介质
CN113988157A (zh) 语义检索网络训练方法、装置、电子设备及存储介质
CN114429633A (zh) 文本识别方法、模型的训练方法、装置、电子设备及介质
CN112528644B (zh) 实体挂载的方法、装置、设备以及存储介质
CN112699237B (zh) 标签确定方法、设备和存储介质
CN114048315A (zh) 确定文档标签的方法、装置、电子设备和存储介质
CN114495101A (zh) 文本检测方法、文本检测网络的训练方法及装置
CN114417029A (zh) 模型训练方法、装置、电子设备及存储介质
CN113408280A (zh) 负例构造方法、装置、设备和存储介质
CN113947701A (zh) 训练方法、对象识别方法、装置、电子设备以及存储介质
CN113642495B (zh) 用于评价时序提名的模型的训练方法、设备、程序产品
CN113590852B (zh) 多模态识别模型的训练方法、多模态识别方法及装置
CN114724144A (zh) 文本识别方法、模型的训练方法、装置、设备及介质
CN114528424A (zh) 一种基于图像的信息搜索方法、装置、设备及存储介质
CN114841172A (zh) 文本匹配双塔模型的知识蒸馏方法、装置及程序产品
CN113947195A (zh) 模型确定方法、装置、电子设备和存储器
CN114282049A (zh) 一种视频检索方法、装置、设备及存储介质
CN114328855A (zh) 文档查询方法、装置、电子设备和可读存储介质
CN114329206A (zh) 标题生成方法和装置、电子设备、计算机可读介质

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