[发明专利]局部图像的表征获取方法、系统、介质及装置

说明书

本发明提供一种局部图像的表征获取方法、系统、介质及装置，所述方法包括以下步骤：获取输入图像，对所述输入图像进行处理获得预设规格的图像；基于神经网络的可分离深度卷积块处理所述预设规格的图像，获得输入图像中的对象的坐标；基于所述坐标从输入图像中截取对象；获取所述对象和输入图像的预设大小的表征；融合所述对象和输入图像的表征获得预设大小的表征。本发明的一种局部图像的表征获取方法、系统、介质及装置，用于通过预设大小的表征表示局部对象的图像和输入图像(原图)，同时达到用小图，模糊图搜索原图的效果，大大提高了搜素效率，达到局部图像(包含对象)搜索原图的效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种局部图像的表征获取方法、系统、介质及装置。

背景技术

图像表征：指的是用一定维度的向量来表示图像，可用图像的向量来计算图像之间的相似度，从而来判断图像之间的相似性。

局部以图搜图：指的是用户输入图像，系统将原图以及按照相似度倒序的方式将图像展示给用户。而当用户输入局部图像(含对象)时，系统往往搜索不到原图展示给用户，所以上述第1点：图像表征起到了至关重要的作用，于是我们用一种新的方法解决这一问题。

通用的搜索方式(基于对象匹配)：通过用户输入的局部图像中的对象，来进行匹配搜索，如：人脸匹配。而这样的搜索方式，表征方式不同且需要庞大的服务器计算资源和不同的相似度计算方式。

虽然能解决局部图像的搜索问题，但是，受到计算资源的限制。

因此，希望能够如何获取图像的表征，如何利用较少的计算机资源进行图像的搜索的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种局部图像的表征获取方法、系统、介质及装置，用于解决现有技术中如何获取图像的表征，如何利用较少的计算机资源进行图像的搜索的问题。

为实现上述目的及其他相关目的，本发明提供一种局部图像的表征获取方法，包括以下步骤：获取输入图像，对所述输入图像进行处理获得预设规格的图像；基于神经网络的可分离深度卷积块处理所述预设规格的图像，获得输入图像中的对象的坐标；基于所述坐标从输入图像中截取对象；获取所述对象和输入图像的预设大小的表征；融合所述对象和输入图像的表征获得预设大小的表征。

于本发明的一实施例中，所述对所述输入图像进行处理获得预设规格的图像包括：对所述图像进行大小和RGB颜色调整获得预设规格为300*300*3像素的图像。

于本发明的一实施例中，所述基于神经网络的可分离深度卷积块处理所述预设规格的图像，获得输入图像中的对象的坐标包括：将所述预设规格的图像通过3*3*32像素的卷积核后，批量归一化和进行激活函数操作，获得150*150*32像素的第一输出图像；将所述第一输出图像依次经过两个相同的可分离深度卷积块操作，获得75*75*128像素的第二输出图像；将所述第二输出图像依次经过两个相同的可分离深度卷积块操作，获得38*38*256像素的第三输出图像；将所述第三输出图像依次经过六个相同的可分离深度卷积块操作，获得19*19*512像素的第四输出图像；将所述第四输出图像依次经过两个相同的可分离深度卷积块操作，获得19*19*1024像素的第五输出图像；将所述第五输出图像依次经过两个相同的可分离深度卷积块操作，获得10*10*512像素的第六输出图像；将所述第六输出图像依次经过两个相同的可分离深度卷积块操作，获得5*5*256像素的第七输出图像；将所述第七输出图像依次经过两个相同的可分离深度卷积块操作，获得3*3*256像素的第八输出图像；将所述第八输出图像依次经过两个相同的可分离深度卷积块操作，获得1*1*256像素的第九输出图像；将所述第五输出图像、第六输出图像、第七输出图像、第八输出图像和第九输出图像分别进行预设的卷积操作后得到各自的检测结果；基于所述检测结果获取对应输入图像的坐标。