[发明专利]一种基于目标检测的视觉目标检索方法与系统

权利要求书

1.一种基于目标检测的视觉目标检索方法，其特征在于，包括：

目标检测模型训练步骤，采用IDF带权的交叉熵损失函数对公共目标检测数据集进行训练，生成初步目标检测模型；采用包含用户指定目标类型的检索数据集对该初步目标检测模型进行微调，生成最终目标检测模型；

特征提取与聚合步骤，输入待检索图片，通过该最终目标检测模型对该待检索图片中的视觉目标进行特征提取，生成该待检索图片的多个卷积特征图，通过空间注意力矩阵将该卷积特征图进行聚合，生成聚合特征向量，以在图片库中检索与该聚合特征向量相匹配的图片；

该交叉熵损失函数为：该交叉熵损失函数对应的梯度为：式中为标准Softmax函数，C为训练数据总的类别个数，x和y分别为一个训练样本的特征和类别标签，I为指示函数，当条件满足时值为1，否则为0，S_j是与第j个类别数目相关的IDF权重系数，θ为需要学习的网络参数。

2.如权利要求1所述的基于目标检测的视觉目标检索方法，其特征在于，该聚合特征向量为：F＝{f₁,f₂,f₃,...,f_K}，其中F为该聚合特征向量，W、H和K分别为该最终目标检测模型中最后一个卷积层的宽、高和通道数，m为卷积特征图，α为空间注意力矩阵，i、j分别是特征图内某个数值的索引。

3.如权利要求1所述的基于目标检测的视觉目标检索方法，其特征在于，该空间注意力矩阵为：其中t是一个稀疏度阈值超参数，β_k代表第k个特征图的稀疏度，K为该卷积层通道数，m为卷积特征图，I为指示函数当条件满足时值为1，否则为0。

4.如权利要求1所述的基于目标检测的视觉目标检索方法，其特征在于，

该图片库中包括多个图片，每个该图片对应一个图片特征向量；

其中该相匹配的图片，是通过计算该聚合特征向量与每个该图片特征向量间的Hellinger距离得到的。

5.一种基于目标检测的视觉目标检索系统，其特征在于，包括：

目标检测模型训练模块，用于运行IDF带权的交叉熵损失函数对公共目标检测数据集进行训练，生成初步目标检测模型；采用包含用户指定目标类型的检索数据集对该初步目标检测模型进行微调，生成最终目标检测模型；

特征提取与聚合模块，用于接收待检索图片，通过该最终目标检测模型对该待检索图片中的视觉目标进行特征提取，生成该待检索图片的多个卷积特征图，通过空间注意力矩阵将该卷积特征图进行聚合，生成聚合特征向量，以在图片库中检索与该聚合特征向量相匹配的图片；

该交叉熵损失函数为：该交叉熵损失函数对应的梯度为：式中为标准Softmax函数，C为训练数据总的类别个数，x和y分别为一个训练样本的特征和类别标签，I为指示函数，当条件满足时值为1，否则为0，S_j是与第j个类别数目相关的IDF权重系数，θ为需要学习的网络参数。

6.如权利要求5所述的基于目标检测的视觉目标检索系统，其特征在于，该聚合特征向量为：F＝{f₁,f₂,f₃,...,f_K}，其中F为该聚合特征向量，W、H和K分别为该最终目标检测模型中最后一个卷积层的宽、高和通道数，m为卷积特征图，α为空间注意力矩阵，i、j分别是特征图内某个数值的索引。

7.如权利要求5所述的基于目标检测的视觉目标检索系统，其特征在于，该空间注意力矩阵为：其中t是一个稀疏度阈值超参数，β_k代表第k个特征图的稀疏度，K为该卷积层通道数，m为卷积特征图，I为指示函数当条件满足时值为1，否则为0。

8.如权利要求5所述的基于目标检测的视觉目标检索系统，其特征在于，

该图片库中包括多个图片，每个该图片对应一个图片特征向量；

其中该相匹配的图片，是通过计算该聚合特征向量与每个该图片特征向量间的Hellinger距离得到的。