[发明专利]一种同源图片检索的方法

权利要求书

1.一种同源图片检索的方法，其特征在于，包括如下内容：

建立特征提取模型；

建立名称变量型特征提取模型,具体为：对所述特征提取模型依次输入两张图片，并根据所述特征提取模型获取的两个特征向量，分别对应获取两张图片的名称变量型特征向量，所述两张图片具体为同源图片或非同源图片；

基于第一损失函数训练并调整所述名称变量型特征提取模型的参数，获得优化后的名称变量型特征提取模型；

对所述优化后的名称变量型特征提取模型再依次输入两张图片，获取所述两张图片的名称变量型特征向量之间的差异性；

基于多次获取的两张图片的差异性，归纳出两张图片属于同源图片时，所述差异性所满足的预设条件；

基于所述优化后的名称变量型特征提取模型，获得数据库中每张原始图片所对应的名称变量型特征向量，建立每张原始图片与名称变量型特征向量的对应关系形成的索引库；

对所述优化后的名称变量型特征提取模型输入任意一张图时，根据获得的对应的名称变量型特征向量以及两张图片的名称变量型特征向量的差异性所满足的预设条件，在所述索引库中查找与之对应的原始图片；

对所述特征提取模型依次输入两张图片，并根据所述特征提取模型获取的两个特征向量，分别对应获取两张图片的名称变量型特征向量，具体为：

对所述特征提取模型依次输入两张图片，并根据所述特征提取模型获取的两个特征向量，分别将对应的特征向量乘以100再取整，获得对应两张图片的名称变量型特征向量。

2.根据权利要求1所述的同源图片检索的方法，其特征在于，建立特征提取模型之后，还包括：

对所述特征提取模型依次输入原始图片，基于第二损失函数训练并调整所述特征提取模型的初始参数，获得优化后的特征提取模型。

3.根据权利要求2所述的同源图片检索的方法，其特征在于，对所述特征提取模型依次输入原始图片，基于第二损失函数训练并调整所述特征提取模型的初始参数，获得优化后的特征提取模型，具体包括：

对所述特征提取模型依次输入原始图片，获取每张原始图片的特征向量；

对数据库中的部分图片的类别进行划分；

根据每张原始图片的特征向量，获取所述原始图片是每一种类别的概率，得到每张原始图片真实所属类别对应的概率，获得所述特征提取模型的第二损失函数的值；

根据第二损失函数的值，调整所述特征提取模型的初始参数，直到获得第二损失函数的值不再降低；

获取所述第二损失函数的值不再降低时对应的特征提取模型的参数，获得优化后的特征提取模型。

4.根据权利要求3所述的同源图片检索的方法，其特征在于，所述特征提取模型的第二损失函数Loss的计算公式：

Loss＝-log(prob(class＝i_truth))；

图片是每一种类别的概率prob(class＝i)的计算公式：

其中，x_i为特征向量的元素，prob(class＝i_truth)表示每张图片真实所属类别对应的概率，N表示数据库中的部分图片的类别数。

5.根据权利要求1所述的同源图片检索的方法，其特征在于，基于第一损失函数训练并调整所述名称变量型特征提取模型的参数，获得优化后的名称变量型特征提取模型，具体包括：

根据每两张图片的名称变量型特征向量，依次获得每两张图片对应的第一损失函数的值；

根据每次获得的第一损失函数的值，调整所述名称变量型特征提取模型的参数，直到获得第一损失函数的值不再降低；

获得所述第一损失函数的值不再降低时对应的名称变量型提取模型的参数，获得优化后的名称变量型特征提取模型。

6.根据权利要求5所述的同源图片检索的方法，其特征在于，第一损失函数Loss_function的计算公式：

其中，f_i和f_p分别为输入的两张图片的名称变量型特征向量，f_ip＝1表示两张图片属于同源图片，f_ip＝-1表示两张图片不属于同源图片，x为输入的两张图片的名称变量型特征向量对应相同元素的个数。