CN116594964A - 一种图片检索方法及其装置、电子设备和可读存储介质 - Google Patents

Abstract

本申请实施例提供一种图片检索方法及其装置、电子设备和可读存储介质，涉及图片检索技术领域。本申请实施例提供的图片检索方法，包括：响应于用户在第一界面上选择多个目标算法系统对待检索图片进行检索的操作，将待检索图片发送给多个目标算法系统；接收多个目标算法系统发送的检索结果，确定检索结果中参考图片的融合相似度；基于融合相似度，从多个目标算法系统对应的参考图片中确定多个第一目标图片；显示第二界面，第二界面中包括多个第一目标图片，以及每个第一目标图片对应的目标算法系统的标识信息和融合相似度。本申请提供的图片检索方法，可以统一调度多个算法系统对待检索图片进行检索，进而能够提升图片检索的准确性。

Description

一种图片检索方法及其装置、电子设备和可读存储介质

技术领域

本发明涉及图片检索技术领域，尤其涉及一种图片检索方法及其装置、电子设备和可读存储介质。

背景技术

图片检索是通过输入待检索图片来检索相似的图片的一种搜索技术，在很多领域都有广泛应用，为用户提供相关图形图像资料检索的功能。例如，在AI(ArtificialIntelligence，人工智能)安防领域，人脸、人体、机动车、非机动车的图片检索功能已普遍进行应用。每个算法厂商都拥有独立的计算、存储和网络资源，各自部署算法系统对外提供算法服务，但是单一的算法厂商无法真正做到覆盖全行业、全场景的算法。在实际应用中，为了提升图片检索的准确性，往往需要将图片检索诉求拆分至多家算法厂商的多个算法系统去实现。

由于每个算法系统在进行图片检索时，内部的算法和规则都不相同，所以每个算法系统的检索结果不能相互间兼容以及存在算法精度差异。目前常用的做法就是用户在不同的算法系统上输入相同的条件，检索出对应的图片，然后进行人工比对。但是用户在使用多个算法系统进行图片检索时，需要不停的切换登录多家厂商提供的平台，对于用户的使用体验造成了较大的影响，也无法直观的比较不同厂商的算法优劣。

因此，如何使用多个算法系统进行图片检索，以提升图片检索的准确性，成为亟待解决的技术问题。

发明内容

本申请提供了一种图片检索方法及其装置、电子设备和可读存储介质，用于实现统一调度多个算法系统进行图片检索，进而提升图片检索的准确性。

本申请实施例第一方面提供一种图片检索方法，包括：响应于用户在第一界面上选择多个目标算法系统对待检索图片进行检索的操作，将待检索图片发送给多个目标算法系统，以使多个目标算法系统利用各自的检索算法对待检索图片进行检索；接收多个目标算法系统发送的检索结果，确定检索结果中参考图片的融合相似度；其中，参考图片为目标算法系统检索出的图片，融合相似度基于基准相似度确定；基准相似度为基准算法系统计算的参考图片与待检索图片的相似度；基于融合相似度，从多个目标算法系统对应的参考图片中确定多个第一目标图片；显示第二界面，第二界面中包括多个第一目标图片，以及每个第一目标图片对应的目标算法系统的标识信息和融合相似度；其中，一个第一目标图片对应一个或多个目标算法系统。

本申请提供的图片检索方法，在用户在第一界面上选择多个目标算法系统对待检索图片进行检索时，将待检索图片发送给多个目标算法系统进行检索，然后确定多个目标算法系统的检索结果中参考图片的融合相似度，进而能够根据融合相似度在检索结果中选取第一目标图片，并进行相应的展示。这样用户想要使用多个算法系统进行图片检索时，不必进行算法系统的切换，选择想要进行检索的目标算法系统，即可统一调度多个算法系统对待检索图片进行检索，进而能够提升图片检索的准确性。

结合第一方面的第一种实现方式，若一个第一目标图片对应多个目标算法系统，第二界面中，展示每个第一目标图片对应的多个目标算法系统的标识信息。

结合第一方面的第二种实现方式，第二界面中还包括：每个目标算法系统的展示控件；方法还包括：检测到用户针对目标算法系统的展示控件的触发操作后，显示第三界面，第三界面中包括多个第二目标图片和第二目标图片对应的参考相似度，第二目标图片是基于目标算法系统对应的检索结果中的参考图片和参考相似度确定的。

结合第一方面的第三种实现方式，确定检索结果中参考图片的融合相似度的步骤，包括：将检索结果中参考图片的参考相似度转换为基准相似度，参考相似度为对应的目标算法系统计算出的参考图片与待检索图片的相似度；将具有相同图片标识的检索结果合并，合并后的检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统；根据相似度取值规则和多个基准相似度确定融合相似度。

结合第一方面的第四种实现方式，将检索结果中参考图片的参考相似度转换为基准相似度的步骤，包括：获取基准算法系统；确定目标算法系统与基准算法系统之间的相似度转换规则；相似度转换规则包括相似度区间与转换算法的对应关系；转换算法用于将检索结果中参考图片的目标算法系统对应的参考相似度，转换为基准算法系统对应的基准相似度；根据目标算法系统的检索结果中的参考相似度所处的相似度区间，确定检索结果对应的转换算法；根据检索结果对应的转换算法，将检索结果中参考图片的参考相似度转换为基准相似度。

结合第一方面的第五种实现方式，目标算法系统的标识信息为颜色标识，第二界面中融合相似度的背景颜色与基准算法系统的标识信息的颜色相同。

本申请实施例第二方面提供了一种图片检索装置，装置包括：发送模块，用于将所述待检索图片发送给所述多个目标算法系统，以使所述多个目标算法系统利用各自的检索算法对所述待检索图片进行检索；确定模块，用于接收所述多个目标算法系统发送的检索结果，确定所述检索结果中参考图片的融合相似度；其中，所述参考图片为所述目标算法系统检索出的图片，所述融合相似度基于基准相似度确定；所述基准相似度为以基准算法系统为标准的相似度；确定模块，还用于基于所述融合相似度，从所述多个目标算法系统对应的参考图片中确定多个第一目标图片；显示模块，用于显示第二界面，所述第二界面中包括所述多个第一目标图片，以及每个所述第一目标图片对应的目标算法系统的标识信息和所述融合相似度；其中，一个所述第一目标图片对应一个或多个所述目标算法系统。

结合第二方面的第一种实现方式，若一个第一目标图片对应多个目标算法系统，第二界面中，展示每个第一目标图片对应的多个目标算法系统的标识信息；

第二界面中还包括：每个目标算法系统的展示控件；显示模块还用于，显示第三界面，第三界面中包括多个第二目标图片和第二目标图片对应的参考相似度，第二目标图片是基于目标算法系统对应的检索结果中的参考图片和参考相似度确定的；

确定模块具体用于，将检索结果中参考图片的参考相似度转换为基准相似度，参考相似度为对应的目标算法系统计算出的参考图片与待检索图片的相似度；将具有相同图片标识的检索结果合并，合并后的检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统；根据相似度取值规则和多个基准相似度确定融合相似度；

确定模块具体用于，获取基准算法系统；确定目标算法系统与基准算法系统之间的相似度转换规则；相似度转换规则包括相似度区间与转换算法的对应关系；转换算法用于将检索结果中参考图片的目标算法系统对应的参考相似度，转换为基准算法系统对应的基准相似度；根据目标算法系统的检索结果中的参考相似度所处的相似度区间，确定检索结果对应的转换算法；根据检索结果对应的转换算法，将检索结果中参考图片的参考相似度转换为基准相似度；

目标算法系统的标识信息为颜色标识，第二界面中融合相似度的背景颜色与基准算法系统的标识信息的颜色相同。

本申请实施例第三方面提供了一种电子设备，包括：一个或多个处理器；一个或多个存储器；其中，一个或多个存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当一个或多个处理器执行计算机指令时，使得电子设备执行上述的图片检索方法。

本申请实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行上述的图片检索方法。

其中，第二方面至第四方面中描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本申请实施例提供的一种集群系统的总体架构图；

图2为本申请实施例提供的一种图片检索方法的方法流程图；

图3为本申请实施例提供的一种确定融合相似度的方法流程图；

图4为本申请实施例提供的一种确定基准相似度的方法流程图；

图5为本申请实施例提供的一种检索结果的相似度示意图；

图6为本申请实施例提供的一种有用素材数据的示意图；

图7为本申请实施例提供的一种相似度转换训练算法的示意图；

图8为本申请实施例提供的一种合并检索结果的示意图；

图9为本申请实施例提供的一种对检索结果进行排位排序的示意图；

图10为本申请实施例提供的一种第一界面的界面示意图；

图11为本申请实施例提供的一种将检索结果作为缓存数据的示意图；

图12为本申请实施例提供的一种截取缓存数据的示意图；

图13为本申请实施例提供的另一种截取缓存数据的示意图；

图14为本申请实施例提供的一种图片检索装置的结构示意图；

图15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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。另外，在对管线进行描述时，本申请中所用“相连”、“连接”则具有进行导通的意义。具体意义需结合上下文进行理解。

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

为了解决不能统一调度多个算法系统进行图片检索的问题，本申请提供了一种图片检索方法，该方法可以根据检索请求携带的至少一个算法系统标识确定目标算法系统，然后将检索请求携带的待检索图片发送给目标算法系统，使每个多个目标算法系统利用各自的检索算法对所述待检索图片进行检索。在接收到多个目标算法系统发送的检索结果时，确定检索结果中参考图片的融合相似度；由于融合相似度是基于统一标准的基准相似度确定的，所以能够根据融合相似度在多个目标算法系统对应的参考图片中确定目标图片，进而能够统一展示目标图片。

这样用户想要使用多个算法系统进行图片检索时，不必进行算法系统的切换，选择想要进行检索的目标算法系统，即可实现使用多个算法系统进行检索，且多个算法系统的检索结果呈现在一个界面上，用户可以更加直观的对比多个算法系统的检索结果，提升了用户的使用体验。

应理解，本申请实施例提供的图片检索方法，可以应用在一个电子设备中，也可以应用在至少两个电子设备组成的系统中，以通过设备之间的信息交互来实现上述方法。

本申请实施例中，电子设备可以是终端设备，例如个人计算机(personalcomputer，PC)、笔记本电脑、移动设备、平板计算机、膝上型计算机等，本申请实施例不对电子设备的具体形态进行限定。或者，电子设备也可以是一个单独的服务器，也可以是由多个服务器构成的服务器集群，部分实现方式中，服务器集群可以是分布式集群服务器。

请参阅图1，图1为本申请实施例提供的一种集群系统的总体架构图，请参阅图1，本申请实施例提供的集群系统包括：多算法应用系统100、多算法集成系统200和多个算法系统300。

应理解，本申请实施例提供的图片检索方法，可以应用于多算法集成系统200中，也可以应用在多算法应用系统100和多算法集成系统200组成的系统中，通过系统间的信息交互来实现图片检索方法。

其中，多算法应用系统100可以对多个算法系统300通过公认机构的标准协议进行统一调度和管理，是可以采用多种算法实现视频图像内容分析及描述、检索等功能的系统。如图1所示，多算法应用系统100包括：检索请求编排模块101和图片检索展示模块102。检索请求编排模块101可以支持用户编排检索请求，如上传待检索图片、选择检索时间、选择检索范围、检索目标的最小相似度、选择多个算法系统、排序规则、设置相似度转换的基准厂商(可选操作)、设置各个算法系统的图片检索的相似度区间(可选操作)等，并在检索请求编排好之后，将检索请求发送至多算法集成系统200。图片检索展示模块102用于接收多算法集成系统200返回的目标数据，按照合理的规则在同一个界面上对目标数据进行融合效果的展示。

多算法集成系统200本质上属于多算法应用系统100，是从多算法应用系统中剥离出来，专门负责协议对接和数据转发的系统。如图1所示，多算法集成系统200包括：任务调度模块201、数据过滤模块202、相似度转换模块203、数据缓存模块204、数据合并模块205、数据二次合并模块206、数据二次过滤模块207、数据排序模块208和数据切片模块209。

其中，任务调度模块201用于接收多算法应用系统100发送的检索请求，根据检索请求中的算法系统标识将检索请求发送给多个算法系统300中的目标算法系统。

数据过滤模块202用于在接收到多个目标算法系统返回的检索结果时，根据检索请求携带的每个目标算法系统对应的过滤规则，对每个目标算法系统对应的检索结果进行过滤。

相似度转换模块203用于将多个目标算法系统返回的检索结果的相似度转换为基准相似度。

数据缓存模块204用于将相似度转换后的检索结果作为缓存数据存储。

数据合并模块205用于将具有相同图片标识的缓存数据合并，合并后的缓存数据中包括多个相似度。

数据二次合并模块206用于合并缓存数据的多个相似度，以使得每个缓存数据在每个算法系统中对应一个相似度。

数据二次过滤模块207用于根据相似度取值规则处理缓存数据中每条数据中的相似度，得到缓存数据的融合相似度；再根据融合相似度过滤缓存数据。

数据排序模块208用于根据排序规则和融合相似度对缓存数据进行排序。

数据切片模块209用于根据检索请求携带的展示规则在缓存数据中截取目标数据，并输出目标数据至多算法应用系统100。

需要说明的是，图1仅是实施例的示出多个算法系统300包括算法系统A、算法系统B和算法系统C三个算法系统的应用场景，其中，每个算法系统所使用的图片检索算法包括但不限于人脸算法和人体算法等。但是在实际使用中，可以根据用户需求和实际情况调整多个算法系统300中算法系统的数量和每个算法系统包括的算法，本申请对此不做任何限定。

图2所示为本申请实施例提供的一种图片检索方法的流程示意图，如图2所示，本申请实施例提供的图片检索方法包括S201-S204：

S201、响应于用户在第一界面上选择多个目标算法系统对待检索图片进行检索的操作，将待检索图片发送给多个目标算法系统，以使多个目标算法系统利用各自的检索算法对待检索图片进行检索。

用户需要进行检索图片的操作时，在第一界面上选择多个目标算法系统对待检索图片进行检索。将待检索图片发送给用户选择的目标算法系统，使得每个目标算法系统利用各自的检索算法对待检索图片进行检索。这样用户进行图片检索时，不必切换登录多家算法厂商的平台，使用本申请提供的第一界面，就能够选择使用多个算法系统进行图片检索操作，能够很好的提升用户的使用体验。

应理解，每个目标算法系统具有多种检索算法，一种实现方式中，用户在第一界面上对待检索图片进行图片检索前，需要选择待检索图片的图片类型，然后根据用户选择的图片类型，确定目标算法系统使用的检索算法。例如，用户确定待检索图片的图片类型为人脸时，多个目标算法系统利用各自的人脸算法对待检索图片进行检索。

S202、接收多个目标算法系统发送的检索结果，确定检索结果中参考图片的融合相似度。

其中，参考图片为目标算法系统检索出的图片，融合相似度基于基准相似度确定；基准相似度为以基准算法系统为标准的相似度。

由于每个目标算法系统在进行图片检索时，内部的算法和规则都不相同，所以每个算法系统检索出的检索结果中，参考图片的相似度的计算标准不同，不能相互间兼容，且存在算法精度差异，所以需要先将每个检索结果的参考图片的相似度转化为统一标准的基准相似度，然后基于基准相似度确定一个融合相似度。

作为一种可行性实现方式，请参阅图3，确定检索结果中参考图片的融合相似度的步骤，可以包括S301-S303：

S301、将检索结果中参考图片的参考相似度转换为基准相似度。

其中，参考相似度为对应的目标算法系统计算出的参考图片与待检索图片的相似度。将每个检索结果的参考图片的参考相似度转化为统一标准的基准相似度，然后再基于基准相似度确定融合相似度。

作为一种可行性实现方式，请参阅图4，S301可以具体实现为S401-S404：

S401、获取基准算法系统。

应理解，第一界面可以包括在多个算法系统中选择基准算法系统的控件，在一些实施例中，用户在第一界面上编排检索任务时，可以在多个算法系统中选择基准算法系统，然后将用户选择的算法系统，作为基准算法系统，使得其他算法系统的检索结果中的参考相似度转换为以用户选择的基准算法系统为标准的相似度。在另一些实施例中，用户在第一界面上编排检索任务时，没有在多个算法系统中选择基准算法系统，那么可以将多个算法系统中的任一个算法系统，作为基准算法系统。

S402、确定目标算法系统与基准算法系统之间的相似度转换规则。

S403、根据每个目标算法系统对应的相似度转换规则，将检索结果中参考图片的参考相似度转换为基准相似度。

举例来说，目标算法系统包括算法系统A、算法系统B和算法系统C，以算法系统A为基准算法系统，则需要将算法系统B和算法系统C的检索结果中的相似度进行相似度转换。请参阅图5，将算法系统的检索结果中的相似度转换为基准算法系统对应的相似度后，每条检索结果对应两条相似度数据，其中，oldSimilarity为原算法系统检索的相似度，newSimilarity为转换后基准算法系统对应的相似度。请继续参阅图5，由于算法系统A为基准算法系统，所以算法系统A的检索结果中的相似度进行转换后oldSimilarity与newSimilarity相同；算法系统B的检索结果中的相似度进行转换后得到的newSimilarity为0.912524；算法系统C的检索结果中的相似度进行转换后得到的newSimilarity为0.883452。

需要说明的是，本申请中用于训练算法的素材数据来源于两部分，一部分是多个算法系统的检索结果；另一部分是后台定时取一定量的图片，调用多个算法系统的检索功能得到的检索结果，多算法集成系统将素材保存到数据库中，表1所示即为本申请中收集的素材数据在数据库表中的示例。请参阅表1，数据库表中可以存储每条素材数据对应的算法系统标识、检索算法、检索图片ID、图片ID、相似度值和检索时间等。

表1数据库表

多算法集成系统200的后台可以定时清除掉无用和重复的素材数据，然后针对素材数据进行两两匹配，得到有用的素材数据，此处暂将算法系统A作为基准算法系统，其它的算法系统往算法系统A上靠。

请参阅图6，得到的几组有用的素材数据分别是{算法系统B，算法系统A}[0.928,0.931],{算法系统C，算法系统A}[0.985,0.993],[0.921.0.927]。多算法集成系统200的后台可以每天定时根据这些素材数据，训练得到相似度转换的公式。

请参阅图7，以算法系统A为基准算法系统，使用一元线性回归算法训练得到算法系统C对应的相似度转换的公式为Y＝1.010466456413269X-0.0026736529543995857，也就是说，若算法系统C的检索结果中的相似度为0.866，经过相似度转换后得到的相似度为0.872。

应理解，由于一元线性回归算法可以利用大量的样本(已知数据)，产生拟合方程，从而对未知数据进行预测，只要样本够多，预测的未知数据就越准确。因此，作为一种可行性实现方式，相似度转换规则可以采用一元线性回归算法，但本申请实施例并不限制相似度转换规则的算法，只要符合业务要求，采用其它算法也没有问题。

应理解，本申请实施例中，会对多个算法系统中所有的算法系统都训练转换算法，使得不论用户选择哪个算法系统作为基准算法系统时，其他算法系统都有对应的相似度转换规则。这样用户在进行检索时，即使更换基准算法系统，每个算法系统的检索结果中的相似度都可以进行相似度转换，进而能够更好的比较多个算法系统的检索结果。

在一些实施例中，在进行相似度转换时可以采用转换算法，以使得不同算法的检索结果的相似度具有统一的基准，为了提升算法训练的准确性，可以将算法训练分成多段，根据训练的算法自动学习和计算，针对不同算法系统相似度的临界值做模拟训练，找到拟合度无限接近1的阈值区间，即误差最小的相似度区间，进而实现分多段转换相似度。

举例来说，请参阅表2，表2所示为本申请实施例提供的一种相似度转换自学习方法。以将算法系统C的素材数据按照相似度分为两段为例，通过表2中的相似度转换自学习方法，找到拟合度最接近1的阈值区间，即误差最小的相似度区间，从而实现分多段转换相似度。

表2相似度转换自学习方法

如表2所示，在第一天，如果是首次训练，则按照算法系统C的素材数据的相似度将算法系统C的素材数据分为两段进行算法训练。其中，第一段素材数据的相似度所处的相似度区间为[0-0.5],将第一段素材数据的相似度往左移动100次，每次减少0.001，找到拟合度最接近1时对应的相似度；第二段素材数据的相似度所处的相似度区间为[0.5-1]，将第二段素材数据的相似度往右移动100次，每次阈值增加0.001，找到拟合度最接近1的相似度。最后在第一段素材数据和第二段素材数据中找出最接近1的相似度，此处假设为0.6。在第二天，可以根据0.6将算法系统C的素材数据分为两段[0-0.6]、[0.6-1]进行算法训练，第一段素材数据的相似度往左移动100次，每次阈值减少0.001，找到拟合度最接近1的相似度；第二段素材数据的相似度往左移动100次，每次阈值增加0.001，找到拟合度最接近1的相似度，最后在左右两边训练的算法中找出最接近1的相似度，此处假设为0.7……往后的每一天，都根据算法系统C的素材数据进行相似度转换自学习，使得到的相似度区间能够更加准确，进而使得相似度转换的结果更加的准确可靠。

作为一种可行性实现方式，相似度转换规则包括相似度区间与转换算法的对应关系；转换算法用于将检索结果中参考图片的目标算法系统对应的参考相似度，转换为基准算法系统对应的基准相似度。S403可以具体实现为(11)和(12)：

(11)、根据检索结果中参考相似度所处的相似度区间，确定检索结果对应的转换算法。

(12)、根据检索结果对应的转换算法，将检索结果中参考图片的参考相似度转换为基准相似度。

将算法训练分成多段，根据检索结果中的参考相似度所处的相似度区间确定对应的转换算法，使得相似度转换的结果更加的准确可靠。

请继续参阅表2，由于相似度转换自学习方法在第二天得到的值为0.7，所以在第三天将算法系统C的检索结果中的相似度转换为算法系统A的相似度时，可以将算法系统C的检索结果分成两段进行相似度转换，算法系统C的检索结果中的相似度在0-0.7时采用一个转换算法，算法系统C的检索结果中的相似度在0.7-1时采用另外一个转换算法。这样在进行相似度转换时，可以根据检索结果中的相似度所处的相似度区间确定对应的转换算法，使得相似度转换的结果更加的准确可靠。

S302、将具有相同图片标识的检索结果合并。

将具有相同图片标识的检索结果合并，使得合并后的检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统。

由于目标算法系统中每个算法系统在对待检索图片进行检索时，每个算法系统的检索结果可能存在重复的参考图片，也就是同一种参考图片被多个算法系统同时检索到。如果不对重复的参考图片进行合并，势必会影响用户的观看体验。

作为一种可行性实现方式，图片标识可以为缓存数据的统一资源定位符(uniformresource locator，URL)。URL是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。互联网上的每个文件都有一个唯一的URL，它包含的信息指出文件的位置以及浏览器应该怎么处理它。也就是说，每个检索结果都有其对应的URL，如果URL相同，表明两条检索结果的参考图片相同，将具有相同的URL的检索结果合并，合并后的检索结果中包括多个基准相似度，使得合并后的检索结果中不存在重复的图片。

作为另一种可行性实现方式，图片标识可以为图片ID，每个检索结果都有其对应的图片ID，两条检索结果的图片ID相同即表示两条检索结果对应的图片是相同的，将具有相同图片ID的检索结果合并，合并后的检索结果中包括多个基准相似度，使得合并后的检索结果中不存在重复的图片。

举例来说，请参阅图8，从检索结果的第一位开始往右循环和检索结果进行比较，若检索结果中存在具有相同图片ID的数据，就将其合并为一个数据，如图8所示，算法系统A的检索结果与算法系统B的检索结果和算法系统C的检索结果有相同的图片ID(图中的41号数据)，所以将算法系统B和算法系统C的检索结果中重复的数据移除，124号上的检索结果就会包括算法系统A的检索结果中的基准相似度、算法系统B的检索结果中的基准相似度和算法系统C的检索结果中的基准相似度，如果还有其他的算法系统还有相同的图片合并过来，则会再增加一个相似度值。

由于将具有相同图片标识的检索结果合并后，合并后的检索结果中可能出现两种情况：一种是同个算法系统会出现多条相同的基准相似度；另一种是同个算法系统会出现不同的基准相似度。

作为一种可行性实现方式，在一条检索结果中同个算法系统出现多条相同的基准相似度的情况下，直接去重，将重复的相似度数据删除。

举例来说，若一条检索结果中对应的多个基准相似度数据如下所示：

由于检索结果中对应两个相同的算法系统B的基准相似度数据，所以将重复的基准相似度数据直接删除，删除后检索结果中对应的多个基准相似度数据如下所示：

作为另一种可行性实现方式，在同个算法系统出现不同的基准相似度的情况下，过滤较低的相似度数据，取基准相似度大的那条数据。

举例来说，若一条检索结果中对应的多个基准相似度数据如下所示：

由于检索结果中对应两个不同的算法系统B的基准相似度数据，所以两个算法系统B的基准相似度中较低的基准相似度数据直接删除，删除后检索结果中对应的多个基准相似度数据如下所示：

将具有相同图片标识的检索结果合并，使得合并后的检索结果中不存在重复的图片，然后合并检索结果的多个基准相似度，以使得每个检索结果在每个目标算法系统中对应一个基准相似度。这样处理后的检索结果中不会存在重复的图片，输出的目标数据中也不会存在重复的数据，进而使得用户不会看到重复的检索结果；同时，用户可以直观的感知到哪几个算法系统检索到了同一张图片，能够直接对比各个算法系统计算出的相似度，进而能够提升用户的使用体验。

S303、根据相似度取值规则和多个基准相似度确定融合相似度。

在S302进行检索结果合并之后，一个检索结果可能包括多个的算法系统对应的基准相似度，但是多算法应用系统在进行数据展示时，需要一定的相似度依据进行数据展示，而每个检索结果对应的基准相似度可能是不同算法系统的。例如，缓存数据a中包括算法系统A的相似度，而缓存数据b中包括算法系统B和算法系统C的相似度。这时多算法应用系统在进行数据展示时，没有一个确定的相似度依据。

其中，相似度取值规则用于规定对多个相似度的处理方式，相似度取值的规则包括且不限于取平均值、取最大值和取中值。先根据相似度取值规则处理检索结果对应的多个基准相似度，得到缓存数据的融合相似度。

举例来说，若检索结果中包括算法系统A和算法系统B的基准相似度，如下所示：

根据相似度取值规则，将两个基准相似度取平均值后，得到该缓存数据对应的融合相似度为0.930599。

根据相似度取值规则处理多个基准相似度，得到融合相似度，使得每个检索数据对应一个融合相似度，这样在进行数据展示时，每个检索结果都可以以融合相似度为依据进行数据展示。

S203、基于融合相似度，从多个目标算法系统对应的参考图片中确定多个第一目标图片。

由于融合相似度是基于统一标准的基准相似度确定的，根据融合相似度选取多个第一目标图片会更加的合理。

作为一种可行性实现方式，S203可以具体实现为:按照融合相似度从高到低的顺序，选取排列在前K位的融合相似度对应的参考图片，作为第一目标图片。也就是将检索结果中，融合相似度最高的K个参考图片，作为第一目标图片。

在一些实施例中，得到每个检索结果的融合相似度后，就可以根据检索结果过滤掉无用的检索结果。举例来说，若用户在第一界面进行检索任务编排时，要求返回的数据的融合相似度大于等于0.75，则将该检索请求对应的检索结果中，所有融合相似度小于0.75的检索结果删除。根据融合相似度过滤检索结果，可以过滤掉一部分的无用数据，避免数据量过大造成资源的浪费。

在一些实施例中，S203之前，方法还包括：根据排序规则和融合相似度对检索结果进行排序。

其中，排序规则包括且不限于融合排序和排位排序。融合排序就是将待检索图片对应的所有检索结果按照融合相似度进行升序或降序排序。排位排序，需要在缓存的记录中记下对应算法系统中检索出来时的历史顺序，在满足对应算法系统中检索出来的历史顺序的情况下，再以融合相似度进行排序。

以图9为例，本实现方式中原检索结果通常是以每个算法系统对应的参考相似度进行排序的，算法系统A和算法系统B对应的检索结果检索出来时的历史顺序如图9中的(一)和图9中的(二)，图9中的(三)即为根据排位排序和融合相似度对检索结果进行排序的结果。

请参阅图9，在根据排位排序和融合相似度对检索结果进行排序时，将算法系统A的第一条数据(DID0000001)和算法系统B的第一条数据(DID0000002)进行融合相似度对比，融合相似度高的即作为排序后的第一条数据，融合相似度低的作为排序后的第二条数据。然后将算法系统A的第二条数据(DID0000002)和算法系统B的第二条数据进行融合相似度对比，由于算法系统A的第二条数据与算法系统B的第一条数据的图片ID相同，所以直接将算法系统A的第二条数据(DID0000002)与算法系统B的第一条数据(DID0000002)排在图9中的(三)的第二条数据的位置，并将两条数据合并，将算法系统B的第二条数据作为排序后的第三条数据。如图9所示，这样得到的检索结果的顺序与算法系统A和算法系统B对应的检索结果检索出来时的历史顺序相同。

可以看出，在使用排位排序对缓存数据进行排序后，不管怎么样在检索结果中截取目标数据，目标数据中每个算法系统检索出的数据的数量差距不大，不会出现某一个算法系统检索出的数据非常多的情况，使得用户可以更加直观的对比各个算法系统的检索结果。

S204、显示第二界面，第二界面中包括多个第一目标图片，以及每个第一目标图片对应的目标算法系统的标识信息和融合相似度。

其中，一个第一目标图片对应一个或多个目标算法系统。

请参阅图10，图10所示为本申请实施例提供的一种第二界面的界面示意图。在确定第一目标图片之后，将多个第一目标图片，和其对应的算法系统的标识信息和融合相似度展示出来，使得用户可以直观的看到检索出的结果。

需要说明的是，图10仅是示例性的示出第一目标图片对应的算法系统的标识信息和融合相似度展示在第一目标图片上的情况，但是在实际应用中，算法系统的标识信息和融合相似度可以在第一目标图片的旁边，也可以在第一目标图片的下方，本申请对此并不做任何限定。

应理解，目标算法系统的标识信息可以为颜色标识，也可以为文字标识等，本申请实施例对此不做任何限定。作为一种可行性实现方式，目标算法系统的标识信息为颜色标识，第二界面中融合相似度的背景颜色与基准算法系统的标识信息的颜色相同。

使融合相似度的背景颜色与基准算法系统的标识信息的颜色相同，这样能够更加突出的展示第一目标图片的融合相似度是以哪个算法系统为标准的基准相似度确定的，给用户带来更加直观的视觉体验。

本申请提供的图片检索方法，在用户在第一界面上选择多个目标算法系统对待检索图片进行检索时，将待检索图片发送给多个目标算法系统进行检索，然后确定多个目标算法系统的检索结果中参考图片的融合相似度，进而能够根据融合相似度在检索结果中选取第一目标图片，并进行相应的展示。这样用户想要使用多个算法系统进行图片检索时，不必进行算法系统的切换，选择想要进行检索的目标算法系统即可，进而能够实现对多个算法系统的统一调度，提升了用户的使用体验。

在一些实施例中，由于多个算法系统可能都是在同一个图片数据库中进行检索，那么多个目标算法系统可能检索出相同的参考图片，也就是一个第一目标图片可能对应多个目标算法系统。

作为一种可行性实现方式，若一个第一目标图片对应多个目标算法系统，第二界面中，展示每个第一目标图片对应的多个目标算法的标识信息。

在第二界面中展示每个第一目标图片对应的多个目标算法的标识信息，可以更加直观的看出检索出来的图片来源于哪个算法系统，哪些算法系统同时检索出了一张图片。

在一些实施例中，为了实现对多个算法系统的检索结果进行对比，可以通过图10中页面上方的选项来选择切换展示的目标数据。点击融合的选项可以根据第一目标图片的融合相似度展示第一目标图片；点击算法系统A的选项可以单独展示检索结果中算法系统A检索到的数据；点击算法系统B的选项可以单独展示检索结果中算法系统B检索到的数据；点击算法系统C的选项可以单独展示检索结果中算法系统C检索到的数据。

作为一种可行性实现方式，第二界面中还包括：每个目标算法系统的展示控件；方法还包括：检测到用户针对目标算法系统的展示控件的触发操作后，显示第三界面，第三界面中包括多个第二目标图片和第二目标图片对应的参考相似度。

其中，第二目标图片是基于目标算法系统对应的检索结果中的参考图片和参考相似度确定的。

用户点击目标算法系统的展示控件后，基于目标算法系统对应的检索结果中的参考图片和参考相似度确定第二目标图片，然后在第三界面中展示第二目标图片和第二目标图片对应的参考相似度。

根据不同目标算法系统的展示控件，选择展示对应的检索结果，可以从不同的角度对比多个算法系统的检索结果，给用户提供不同的评判依据，进而可以提升多算法图片检索的展示效果，给用户带来更好的使用体验。

在一些实施例中，由于对同一张待检索图片，用户可能进行多次检索，所以可以将多个目标算法系统的检索结果作为缓存数据缓存，这样可以避免对同一张待检索图片进行多次检索，造成资源的浪费。

举例来说，结合图11所示，目标算法系统包括算法系统A、算法系统B、算法系统C，则在算法系统A、B、C三个系统的检索结果的参考相似度转换为基准相似度后后，将三个系统的检索结果追加到缓存数据中。

作为一种可行性实现方式，接收到对待检索图片进行检索的指令之后，先判断待检索图片是否已经做过检索，是否存在对应的缓存数据。如果缓存数据的数据量大于本次要返回的数据量，则直接从缓存数据中确定第一目标图片；如果缓存数据的数据量小于本次要返回的数据量，则将待检索图片发送至多个目标算法系统，使得多个目标算法系统对待检索图片进行检索。

举例来说，用户进行第一次对待检索图片进行图片检索时，待检索图片没有对应的缓存数据，所以需要确定目标算法系统进行检索，假如检索得到52条检索结果，而此次检索用户请求展示的仅为前20条数据，就截取52条检索结果的前20条数据作为目标数据；用户想要查看下一页的缓存数据时(假设一页展示20条数据)，相当于重新下发一次检索，此时待检索图片有对应的缓存数据，且缓存数据的数据量大于本次要返回的数据量，就直接在52条缓存数据中截取21条-40条的数据作为目标数据；用户想要继续查询下一页的缓存数据时，由于缓存数据的数据量仅剩余12条，小于本次要返回的数据量，就需要再次进行检索。

在一些实施例中，由于第二界面能够展示的第一目标图片的数量是有限的，基于融合相似度，从多个目标算法系统对应的参考图片中确定多个第一目标图片的步骤，可以具体实现为：根据展示规则和融合相似度，从缓存数据中确定多个第一目标图片。

其中，展示规则用于规定缓存数据的截取方式。由于多算法应用系统中，展示目标数据的内容是有限的，所以不能直接将所有的缓存数据发送给多算法应用系统，而是根据检索请求携带的展示规则，在缓存数据中截取目标数据发送给多算法应用系统，以使得第二界面展示目标数据的第一目标图片。

举例来说，在根据融合相似度对缓存数据进行降序或升序操作后，作为一种可行性实现方式，请参阅图12，展示规则可以为分页参数，根据分页参数(2,25)在缓存数据中截取26号-50号数据作为目标数据；作为另一种可行性实现方式，请参阅图13，展示规则可以为数据总数，根据数据总数100在缓存数据中截取前100号数据为目标数据。

在一些实施例中，用户在第二界面中点击某一个第一目标图片时，可以对比展示第一目标图片和待检索图片，以及第一目标图片对应的检索结果的详细信息，如图片内容，图片信息，转换前的相似度和转换后的相似度等。使得用户可以更加直观的对比检索结果和待检索图片，并且能看到第一目标图片对应的检索结果的详细信息。

在一些实施例中，由于不同的算法系统存在差异，对于检索结果中的相似度值存在很大的争议，有些算法系统的检索结果中的参考相似度在某个区间内比较准确，其它区间则不太准确，导致融合之后的检索结果不太精确，这时就需要在用户在第一界面编排检索任务时，对目标算法系统设置过滤的相似度区间。

作为一种可行性实现方式，第一界面还包括：每个目标算法系统对应的相似度过滤区间，接收多个目标算法系统发送的检索结果的步骤之后，方法还包括：删除每个目标算法系统对应的检索结果中，参考相似度落在对应的相似度过滤区间外的检索结果。

也就是说，在得到检索结果后，先根据每个目标算法系统对应的相似度过滤区间，对目标算法系统返回的检索结果进行过滤，移除相似度过滤区间外的检索结果，再确定检索结果中参考图片的融合相似度。这样可以使得到的检索结果中的相似度更加符合用户需求，更加的精炼、准确。

在一些实施例中，由于用户可能会发布非常多的检索请求，而每个检索请求都有其对应的缓存数据，大量的缓存数据会占用非常多的内存。因此，需要重点关注缓存数据的时效性，在缓存数据长时间没有使用时，移除缓存数据，避免其占用内存。

作为一种可行性实现方式，方法还包括：统计缓存数据的缓存时间；如果缓存时间达到预设时间，删除缓存数据。

应理解，预设时间为系统预先设定的，在实际应用的过程中，可以根据需求设定预设时间，本申请实施例对此不做任何限定。例如，作为一种可行性实现方式，预设时间为30分钟，若缓存数据的缓存时间达到30分钟，删除缓存数据。

如果在缓存时间达到预设时间之前的任意时刻，缓存数据经历了再次被查询，被更改等处理，则将缓存数据被再次处理的时间作为起始时间重新统计缓存时间。如果缓存时间达到预设时间，就表明在预设时间内，缓存数据是没有变化的，是没有被使用的，所以删除缓存数据，避免其占用内存。

本申请实施例还提供了一种图片检索装置，请参阅图14，装置140包括：发送模块141，用于将所述待检索图片发送给所述多个目标算法系统，以使所述多个目标算法系统利用各自的检索算法对所述待检索图片进行检索；确定模块142，用于接收所述多个目标算法系统发送的检索结果，确定所述检索结果中参考图片的融合相似度；其中，所述参考图片为所述目标算法系统检索出的图片，所述融合相似度基于基准相似度确定；所述基准相似度为以基准算法系统为标准的相似度；确定模块142，还用于基于所述融合相似度，从所述多个目标算法系统对应的参考图片中确定多个第一目标图片；显示模块143，用于显示第二界面，所述第二界面中包括所述多个第一目标图片，以及每个所述第一目标图片对应的目标算法系统的标识信息和所述融合相似度；其中，一个所述第一目标图片对应一个或多个所述目标算法系统。

作为一种可行性实现方式，若一个第一目标图片对应多个目标算法系统，第二界面中，展示每个第一目标图片对应的多个目标算法系统的标识信息；

第二界面中还包括：每个目标算法系统的展示控件；显示模块还用于，显示第三界面，第三界面中包括多个第二目标图片和第二目标图片对应的参考相似度，第二目标图片是基于目标算法系统对应的检索结果中的参考图片和参考相似度确定的；

确定模块具体用于，将检索结果中参考图片的参考相似度转换为基准相似度，参考相似度为对应的目标算法系统计算出的参考图片与待检索图片的相似度；将具有相同图片标识的检索结果合并，合并后的检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统；根据相似度取值规则和多个基准相似度确定融合相似度。

确定模块具体用于，获取基准算法系统；确定目标算法系统与基准算法系统之间的相似度转换规则；相似度转换规则包括相似度区间与转换算法的对应关系；转换算法用于将检索结果中参考图片的目标算法系统对应的参考相似度，转换为基准算法系统对应的基准相似度；根据目标算法系统的检索结果中的参考相似度所处的相似度区间，确定检索结果对应的转换算法；根据检索结果对应的转换算法，将检索结果中参考图片的参考相似度转换为基准相似度；

目标算法系统的标识信息为颜色标识，第二界面中融合相似度的背景颜色与基准算法系统的标识信息的颜色相同。

本申请实施例还提供了一种电子设备，请参阅图15，该电子设备150包括：一个或多个存储器151；一个或多个处理器152，其中，一个或多个存储器151用于存储计算机程序代码，计算机程序代码包括计算机指令；当一个或多个处理器152执行计算机指令时，使得电子设备150执行上述实施例提供的图片检索方法。

可选地，存储器151可以是非临时性计算机可读存储介质，例如，该非临时性计算机可读存储介质可以是只读存储器(read-only memory，ROM)、随机存储器(random accessmemory，RAM)、CD-ROM、磁带、软盘和光数据存储设备等，本申请实施例对此不作任何限制。

处理器152可以是中央处理器(central processing unit，CPU)，通用处理器网络处理器(network processor，NP)、数字信号处理器(digital signal processing，DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device，PLD)或它们的任意组合，本申请实施例对此不作任何限制。

本申请实施例还提供了一种包括一条或多条指令的计算机程序产品，该一条或多条指令存储在计算机设备的存储器中，由处理器执行以完成上述实施例的各个过程。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的图片检索方法。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种图片检索方法，其特征在于，包括：

响应于用户在第一界面上选择多个目标算法系统对待检索图片进行检索的操作，将所述待检索图片发送给所述多个目标算法系统，以使所述多个目标算法系统利用各自的检索算法对所述待检索图片进行检索；

接收所述多个目标算法系统发送的检索结果，确定所述检索结果中参考图片的融合相似度；其中，所述参考图片为所述目标算法系统检索出的图片，所述融合相似度基于基准相似度确定；所述基准相似度为以基准算法系统为标准的相似度；

基于所述融合相似度，从所述多个目标算法系统对应的参考图片中确定多个第一目标图片；

显示第二界面，所述第二界面中包括所述多个第一目标图片，以及每个所述第一目标图片对应的目标算法系统的标识信息和所述融合相似度；其中，一个所述第一目标图片对应一个或多个所述目标算法系统。

2.根据权利要求1所述的方法，其特征在于，若一个所述第一目标图片对应多个所述目标算法系统，所述第二界面中，展示每个所述第一目标图片对应的多个目标算法系统的标识信息。

3.根据权利要求1所述的方法，其特征在于，所述第二界面中还包括：每个所述目标算法系统的展示控件；所述方法还包括：

检测到用户针对所述目标算法系统的展示控件的触发操作后，显示第三界面，所述第三界面中包括多个第二目标图片和所述第二目标图片对应的参考相似度，所述第二目标图片是基于所述目标算法系统对应的检索结果中的参考图片和参考相似度确定的。

4.根据权利要求1所述的方法，其特征在于，所述确定所述检索结果中参考图片的融合相似度的步骤，包括：

将所述检索结果中参考图片的参考相似度转换为所述基准相似度，所述参考相似度为对应的目标算法系统计算出的所述参考图片与所述待检索图片的相似度；

将具有相同图片标识的检索结果合并，合并后的所述检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统；

根据相似度取值规则和所述多个基准相似度确定所述融合相似度。

5.根据权利要求4所述的方法，其特征在于，所述将所述检索结果中参考图片的参考相似度转换为基准相似度的步骤，包括：

获取基准算法系统；

确定所述目标算法系统与所述基准算法系统之间的相似度转换规则；所述相似度转换规则包括相似度区间与转换算法的对应关系；所述转换算法用于将所述检索结果中参考图片的所述目标算法系统对应的参考相似度，转换为所述基准算法系统对应的基准相似度；

根据所述目标算法系统的检索结果中的参考相似度所处的相似度区间，确定所述检索结果对应的转换算法；

根据所述检索结果对应的所述转换算法，将所述检索结果中参考图片的参考相似度转换为所述基准相似度。

6.根据权利要求5所述的方法，其特征在于，所述目标算法系统的标识信息为颜色标识，所述第二界面中融合相似度的背景颜色与所述基准算法系统的标识信息的颜色相同。

7.一种图片检索装置，其特征在于，所述装置包括：

发送模块，用于将所述待检索图片发送给所述多个目标算法系统，以使所述多个目标算法系统利用各自的检索算法对所述待检索图片进行检索；

确定模块，用于接收所述多个目标算法系统发送的检索结果，确定所述检索结果中参考图片的融合相似度；其中，所述参考图片为所述目标算法系统检索出的图片，所述融合相似度基于基准相似度确定；所述基准相似度为以基准算法系统为标准的相似度；

确定模块，还用于基于所述融合相似度，从所述多个目标算法系统对应的参考图片中确定多个第一目标图片；

显示模块，用于显示第二界面，所述第二界面中包括所述多个第一目标图片，以及每个所述第一目标图片对应的目标算法系统的标识信息和所述融合相似度；其中，一个所述第一目标图片对应一个或多个所述目标算法系统。

8.根据权利要求7所述的装置，其特征在于，若一个所述第一目标图片对应多个所述目标算法系统，所述第二界面中，展示每个所述第一目标图片对应的多个目标算法系统的标识信息；

所述第二界面中还包括：每个所述目标算法系统的展示控件；所述显示模块还用于，显示第三界面，所述第三界面中包括多个第二目标图片和所述第二目标图片对应的参考相似度，所述第二目标图片是基于所述目标算法系统对应的检索结果中的参考图片和参考相似度确定的；

所述确定模块具体用于，将所述检索结果中参考图片的参考相似度转换为基准相似度，所述参考相似度为对应的目标算法系统计算出的所述参考图片与所述待检索图片的相似度；将具有相同图片标识的检索结果合并，合并后的所述检索结果中包括多个基准相似度，每个基准相似度对应一个目标算法系统；根据相似度取值规则和所述多个基准相似度确定所述融合相似度；

所述确定模块具体用于，获取基准算法系统；确定所述目标算法系统与所述基准算法系统之间的相似度转换规则；所述相似度转换规则包括相似度区间与转换算法的对应关系；所述转换算法用于将所述检索结果中参考图片的所述目标算法系统对应的参考相似度，转换为所述基准算法系统对应的基准相似度；根据所述目标算法系统的检索结果中的参考相似度所处的相似度区间，确定所述检索结果对应的转换算法；根据所述检索结果对应的所述转换算法，将所述检索结果中参考图片的参考相似度转换为所述基准相似度；

所述目标算法系统的标识信息为颜色标识，所述第二界面中融合相似度的背景颜色与所述基准算法系统的标识信息的颜色相同。

9.一种电子设备，其特征在于，包括：一个或多个处理器；一个或多个存储器；

其中，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，使得所述电子设备执行权利要求1至6任一项所述的图片检索方法。

10.一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存储有计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行权利要求1至6任一项所述的图片检索方法。