一种基于分类层次索引的少样本图像快速检索方法与流程
本发明涉及图像检索与索引,具体涉及一种基于分类层次索引的少样本图像快速检索方法。
背景技术:
1、在少样本工业零件图像检索应用中,需要从有限的参考图像库中快速找到与查询图像最匹配的参考图。现有技术方案存在以下不足:
2、其一,暴力检索方法对查询图像与库中每一张参考图像逐一比对,在参考图像库容量达到预设数量级时检索耗时超过预设秒级——因为每次查询都需要完成与库容量成正比的特征距离计算;
3、其二,基于哈希编码的近似检索方法通过降维加速匹配,但在少样本场景下哈希函数的训练数据不足导致编码区分度低——不同类别的零件能够被映射到相同的哈希桶中,造成检索精度严重下降;
4、其三,固定索引结构在参考图像库增量更新时需要完全重建索引——每次新增少数几张参考图像都需重新遍历全库数据并重建索引文件,重建耗时随库容量增长,降低了系统的在线可用性。
技术实现思路
1、本发明的目的在于提供一种基于分类层次索引的少样本图像快速检索方法,以解决暴力检索耗时线性增长、哈希编码少样本区分度低、以及索引增量重建代价大的问题,在少样本条件下实现快速且准确的图像检索。
2、一种基于分类层次索引的少样本图像快速检索方法,包括至少以下步骤:
3、步骤一,遍历零件图像库,按类别对每张参考图像提取形状特征和深度特征,将特征按类别分组存入分类索引字典,建立分类层次索引结构;
4、步骤二,对输入的查询图像提取查询特征向量;
5、步骤三,在分类索引字典的每个类别内,独立计算查询特征与该类别中所有参考图像特征的相似度;
6、步骤四,在每个类别内按相似度降序选取指定每类候选数量个候选结果;
7、步骤五,将所有类别的候选结果合并为一个全局候选列表,按相似度降序进行全局排序;
8、步骤六,从全局排序结果中选取排名最高的指定全局候选数量个结果作为最终检索输出。所述方法由机器人端侧处理器执行。
9、与现有技术相比,本发明具有如下益处:
10、其一,针对暴力检索耗时线性增长的问题,本发明将平面检索空间改造为层次化的分类索引结构,在每个类别内独立检索后再跨类合并排序,既利用了类别先验信息又保证了检索的完整性——检索复杂度与类别总数呈线性关系而非与图像总数呈线性关系,在少样本条件下每类仅1~3张图像各类别内部检索量极小,整体加速效果,这一层次化改造并非简单分桶即能实现同等效果,关键在于跨类合并阶段保留了全局排序的完整性,具备非显而易见性;
11、其二,针对哈希编码少样本区分度低的问题,本发明不依赖哈希函数训练,而是直接利用已有的类别标注作为索引组织的先验,在各类别内部进行精确的相似度计算,避免了少样本训练数据不足导致的哈希编码失效,突破了少样本条件下索引构建的技术瓶颈;
12、其三,针对索引增量重建代价大的问题,本发明的分类层次索引支持增量式更新——新增参考图像时仅需更新其对应类别的特征列表,无需重建整体索引结构,索引数据保存后可在系统重启时直接加载使用,降低了索引维护的在线不可用时间。
1.一种基于分类层次索引的少样本图像快速检索方法,其特征在于,包括至少以下步骤:步骤一,遍历零件图像库,按类别对每张参考图像提取形状特征和深度特征,将特征按类别分组存入分类索引字典,建立分类层次索引结构;步骤二,对输入的查询图像提取查询特征向量;步骤三,在分类索引字典的每个类别内,独立计算查询特征与该类别中所有参考图像特征的相似度;步骤四,在每个类别内按相似度降序选取指定每类候选数量个候选结果;步骤五,将所有类别的候选结果合并为一个全局候选列表,按相似度降序进行全局排序;步骤六,从全局排序结果中选取排名最高的指定全局候选数量个结果作为最终检索输出;所述方法由机器人端侧处理器执行。
2.根据权利要求1所述的方法,其特征在于,所述分类索引字典以类别名称为键,以该类别所有参考图像的特征列表为值,构建为内存字典结构。
3.根据权利要求1所述的方法,其特征在于,所述每类候选数量根据总目标候选数量和类别总数动态计算,确保每个类别的候选数量至少为指定最小值。
4.根据权利要求1所述的方法,其特征在于,所述查询特征向量包括hu矩形状描述子和深度卷积嵌入向量,相似度计算为两种特征距离的加权组合。
5.根据权利要求1所述的方法,其特征在于,步骤二中分类层次索引包含大类索引和小类索引两个层级,大类索引存储粗粒度特征向量的聚类中心,小类索引在每个大类下存储细粒度特征向量。
6.根据权利要求4所述的方法,其特征在于,大类粗粒度特征包括轮廓面积、周长、最小外接矩形长宽比和圆形度共四种全局几何特征,各特征在特征向量中的排列顺序固定。
7.一种基于分类层次索引的少样本图像快速检索系统,其特征在于,包括:索引构建模块、查询特征提取模块、类内检索模块、候选选取模块、跨类合并排序模块;所述索引构建模块用于遍历零件图像库按类别提取形状特征和深度特征并构建分类层次索引;所述查询特征提取模块用于对输入的查询图像提取查询特征向量;所述类内检索模块用于在分类索引字典的每个类别内独立计算查询特征与参考图像特征的相似度;所述候选选取模块用于在每个类别内按相似度降序选取候选结果;所述跨类合并排序模块用于将所有类别的候选结果合并并按相似度进行全局降序排序,输出最终检索结果。
8.根据权利要求7所述的系统,其特征在于,所述分类层次索引包含大类索引和小类索引两个层级,大类索引存储粗粒度特征向量的聚类中心,小类索引在每个大类下存储细粒度特征向量;所述大类粗粒度特征包括轮廓面积、周长、最小外接矩形长宽比和圆形度共四种全局几何特征;所述候选选取模块按每类候选数量根据总目标候选数量和类别总数动态计算,确保每个类别至少保留指定最小值个候选。
9.一种工业机器人,其特征在于,包括如权利要求7或8所述的基于分类层次索引的少样本图像快速检索系统,所述系统运行于机器人端侧处理器上。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com