[发明专利]一种近似重复图像检测方法及装置，电子设备

权利要求书

1.一种近似重复图像检测方法，其特征在于，包括：

通过多任务网络模型分别确定输入图像对中目标图像的包含反映类间差异和类内差异的图像特征以及反映类内差异的图像特征；根据所述目标图像的所述包含反映类间差异和类内差异的图像特征以及反映类内差异的图像特征，构造所述目标图像的融合特征；

根据所述融合特征，确定所述目标图像是否互为近似重复图像。

2.根据权利要求1所述的方法，其特征在于，所述多任务网络模型包括：分类网络和相似性度量网络，所述分类网络和所述相似性度量网络共享基础网络，所述多任务网络模型的训练方法为：

通过求解同时满足所述分类网络和所述相似性度量网络的优化目标的网络参数，训练所述多任务网络模型；其中，

所述分类网络的优化目标为增大近似重复图像之间的类间方差；

所述相似性度量网络的优化目标为减小近似重复图像之间的类内方差和增大非近似重复图像之间的类内方差。

3.根据权利要求2所述的方法，其特征在于，所述通过多任务网络模型分别确定输入图像对中目标图像的包含反映类间差异和类内差异的图像特征以及反映类内差异的图像特征的步骤，包括：

通过所述基础网络确定输入图像对中目标图像的包含反映类间差异和类内差异的图像特征；

通过所述相似性度量网络对所述包含反映类间差异和类内差异的图像特征进行卷积运算，确定输入图像对中目标图像的反映类内差异的图像特征。

4.根据权利要求2或3所述的方法，其特征在于，所述通过多任务网络模型分别确定输入图像对中目标图像的包含反映类间差异和类内差异的图像特征和反映类内差异的图像特征的步骤之前，还包括：

基于包括近似重复图像的图像样本，训练分类模型；

基于训练得到的所述分类模型的参数，初始化所述多任务网络模型；

基于包括近似重复图像对和非近似重复图像对的图像对样本，训练所述多任务网络模型，其中，所述近似重复图像对由原始图像经过预设图像处理后得到的图像和所述原始图像中的任意两幅图像组成，所述非近似重复图像对由不同的两幅图像组成。

5.根据权利要求4所述的方法，其特征在于，所述图像对样本中包括匹配指定图像处理类型的图像对，所述指定图像处理类型通过以下方法确定：

通过训练得到的所述分类模型，确定测试图像对中每幅图像的图像特征；

根据所述测试图像对中两幅图像的图像特征之间的距离，进行近似重复图像判别；

根据对匹配不同图像处理类型的图像对进行近似重复图像判别的准确率，确定指定图像处理类型。

6.根据权利要求2或3所述的方法，其特征在于，所述根据目标图像的包含反映类间差异和类内差异的图像特征以及反映类内差异的图像特征，构造所述目标图像的融合特征的步骤，包括：

通过对所述目标图像的所述包含反映类间差异和类内差异的图像特征进行卷积运算，确定所述目标图像的反映类间差异的图像特征，所述包含反映类间差异和类内差异的图像特征是通过所述基础网络确定的；

根据所述目标图像的所述包含反映类间差异的图像特征和所述反映类内差异的图像特征，构造所述目标图像的融合特征。

7.根据权利要求6所述的方法，其特征在于，所述根据所述目标图像的所述包含反映类间差异的图像特征和所述反映类内差异的图像特征，构造所述目标图像的融合特征的步骤，还包括：

分别确定所述目标图像的反映类间差异的图像特征对应的哈希编码和所述反映类内差异的图像特征对应的哈希编码；

将所述反映类间差异的图像特征对应的哈希编码和所述反映类内差异的图像特征对应的哈希编码进行拼接，得到所述目标图像的融合特征。