一种图像检索方法、装置及计算机可读存储介质与流程

技术特征：
1.一种图像检索方法，其特征在于，所述方法包括：将待检索图像输入卷积神经网络；利用所述卷积神经网络的卷积层和降采样层对所述待检索图像进行处理，得到所述待检索图像的各卷积层特征；对所述待检索图像的各卷积层特征分别进行降维操作，得到各降维特征，所述降维特征的维度小于所述卷积层特征的维度；基于所述各降维特征进行聚类，得到多个聚类特征；对所述多个聚类特征进行特征融合，得到全局特征；基于所述全局特征，从数据库中对所述待检索图像进行检索。2.根据权利要求1所述的方法，其特征在于，在所述将待检索图像输入卷积神经网络之前，所述方法还包括：获取预先学习的神经网络；将所述神经网络的全连接层移除，得到所述卷积神经网络。3.根据权利要求2所述的方法，其特征在于，所述获取预先学习的神经网络，包括：通过图像分类任务或距离学习任务，对待学习的神经网络进行学习，得到学习后的所述神经网络。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述卷积层的参数包括卷积核的权重和偏移。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述降维特征的维度根据检索精度确定；和/或，所述聚类特征的个数根据检索精度确定。6.根据权利要求1至5中任一项所述的方法，其特征在于，每个所述卷积层特征分别用于表征所述图像中对应像素区域的特征。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述基于所述各降维特征进行聚类，得到多个聚类特征，包括：基于所述各降维特征之间的距离，将所述降维特征进行聚类，得到多个特征聚类中心；针对所述多个特征聚类中心的每个特征聚类中心，分别对相应的卷积层特征进行最大值采样，得到各特征聚类中心的所述聚类特征。8.一种图像检索装置，其特征在于，所述装置包括：输入模块，用于将待检索图像输入卷积神经网络，利用所述卷积神经网络的卷积层和降采样层对所述待检索图像进行处理，得到所述待检索图像的各卷积层特征；降维模块，用于对所述待检索图像的各卷积层特征分别进行降维操作，得到各降维特征，所述降维特征的维度小于所述卷积层特征的维度；聚类模块，用于基于所述各降维特征进行聚类，得到多个聚类特征；融合模块，用于对所述多个聚类特征进行特征融合，得到全局特征；检索模块，用于基于所述全局特征，从数据库中对所述待检索图像进行检索。9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述方法的步骤。

技术总结
本发明涉及计算机视觉领域，提供了一种图像检索方法、装置及计算机可读存储介质，以准确、高效地检索背景复杂和/或ROI较小的图像。所述方法包括：对待检索图像的各卷积层特征分别进行降维操作，得到各降维特征；基于各降维特征进行聚类，得到多个聚类特征；对多个聚类特征进行特征融合，得到全局特征；基于全局特征，从数据库中对待检索图像进行检索。本发明一方面，通过对待检索图像的各卷积层特征分别进行降维操作，使得感兴趣区域(Region Of Interest，ROI)可变成任意形状，降低了噪声对图像检索结果的影响；另一方面，通过基于各降维特征进行聚类操作，获取多个聚类区域特征，最大程度上降低了由于光照、角度、遮挡等因素对图像特征的影响。对图像特征的影响。对图像特征的影响。


技术研发人员：旷章辉 张伟
受保护的技术使用者：深圳市商汤科技有限公司
技术研发日：2017.09.27
技术公布日：2021/10/23