[发明专利]一种基于深度卷积神经网络的相似图像检索系统和方法

说明书

本发明提供了一种基于深度卷积神经网络的相似图像检索系统和方法，图像检索系统通信连接互联网，包括：一样本生成模块；一对比模块；一训练模块；一辅助筛选模块；其中样本生成模块用于识别和分析随机样本的图像特征信息，通过计算样本图像特征矢量，并形成样本图像特征矢量库，对比模块用于图像特征矢量对比，以获取相似图像信息，其中样本训练模块采用Lifted Struct loss函数训练样本数据，用于形成第一算法模型，辅助筛选模块用于标注相似图像，本发明通过构建两种数据模型可使得训练的数据更快收敛。

发明领域

技术方案涉及一种图像检索系统和方法，特别涉及一种基于深度卷积神经网络的相似图像检索系统和方法。

发明背景

随着网络通信的发展，基于图像内容的检索越来越流行，但在现有图像检索由于受到信息孤岛和检索方式的影响，图像检索效率低下，效果不能满足需求，比如在对服饰的检索需求中，无法对服饰图像特有的分类逻辑和视觉特征进行优化，从而导致检索结果无法达到用户预期。在图像检索领域中，深度学习技术通常采用损失函数对训练的样本集进行训练，常用的损失函数包括：Contrastive loss函数、Triplet loss函数、Lifted Structloss函数等，在传统的图像检索方案中常用图片的全局特征比如颜色、纹理、形状或者局部特征如SIFT、SURF或者是两者的结合作为图像矢量用来度量图片之间的距离，在实际的检索过程中，输出图像可能非常相似或是相同，也就是说，传统基于深度度学习的图像检索仅仅是将数据处理后的图像数据输入深度网络进行训练，对背景泛化能力较弱，并且通常训练数据不充分，输出的数据精度不高。

发明内容

本发明其中一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法,其中所述检索系统和方法可根据用户特定的分类的逻辑和视觉特征进行个性化检索，可提高图像检索的效率和质量。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述检索系统和方可用于联网学习，基于深度卷积神经网络算法可提高图像数据检索的精度。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述图像检索方法优选采用Lifted Struct loss函数进行数据集训练，由于Lifted Struct loss函数能考虑选取的数据集中所有成对图像之间的成对距离，从而可以提高数据集相似度的查全率。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述图像检索和方法在建立初版数据模型后，选择不相似的数据集中的相似图像重新构成样本集，并投入数据模型进行相似度训练，并根据相似度大小按顺序排列输出，藉此，可使检索结果更加全面和准确。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述检索系统和方法通过图像内容中区域裁剪和选择，用户可手动选择裁剪图像区域，从而可实现个性化检索服务。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，所述检索系统方法可同时采用自动学习和主动学习的方式可以有效地提高数据训练的效率。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述检索系统和方法还包括辅助筛选步骤，通过数据的输出后将不满足检索要求类别的图片按照一定筛选规则进行人工或自动筛选，从而可以使得输出的数据结果更加合理准确。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，其中所述检索系统和方法采用深度卷积神经网络提提取相似度特征，并优选采用局部感知的方式获取图像信息，以提高图像检索效率，并且使得输出的数据图像更加符合实际场景。

本发明另一个目的在于提供一种基于深度卷积神经网络的相似图像检索系统和方法，所述检索系统和方法采用包括但不仅限于随机采集、图像水平翻转、颜色空间转换、随机转换对样本集数据增强。