[发明专利]基于广义平均池化策略的哈希图像检索方法及装置

权利要求书

1.一种基于广义平均池化策略的哈希图像检索方法，其特征在于，包括：

建立图像特征库的特征索引；

利用预先训练完成的特征提取网络对待检索图像进行特征提取，得到待检索图像特征向量；

利用局部敏感哈希算法对所述待检索图像特征向量进行映射，将其映射到哈希桶中；

根据所述特征索引，查找得到该哈希桶对应的图像特征向量；

计算所述待检索图像特征向量与所述哈希桶对应的图像特征向量之间的相似度，并按照从小到大的距离排序，输出前k个检索结果，k取值为正整数，完成图像检索。

2.根据权利要求1所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，建立图像特征库的特征索引，包括：

利用预先训练完成的特征提取网络对预设的图像数据集中的图像进行特征提取，构建得到所述图像特征库；

利用局部敏感哈希算法对所述图像特征库中的图像特征向量进行映射，将所述图像特征向量映射到哈希桶，建立所述哈希桶与所述图像特征向量之间的索引，作为所述特征索引；

其中，相似的图像特征向量被映射到同一哈希桶。

3.根据权利要求1所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，所述特征提取网络包括级联的特征提取单元和特征融合单元，其中，

所述特征提取单元为ResNet101卷积神经网络，用于对输入的图像进行特征提取，得到若干特征图；

所述特征融合单元为广义平均池化层，用于对若干所述特征图进行特征融合，得到图像特征向量。

4.根据权利要求1所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，利用预先训练完成的特征提取网络对待检索图像进行特征提取，之前还包括：

对所述待检索图像进行预处理，将该图像的尺寸缩放至所述特征提取网络预设的图像尺寸。

5.根据权利要求1所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，所述预先训练完成的特征提取网络通过以下步骤训练获得，包括：

步骤a：获取训练数据集；

步骤b：对所述训练数据集中的每个图像进行预处理，将其尺寸缩放至1024*1024；

步骤c：将预处理后的每个图像输入预设的特征提取网络，以使所述特征提取网络对其进行特征提取以及特征融合，获得其对应的图像特征向量；

步骤d：调整所述预设的特征提取网络的网络参数，并重复步骤c至步骤d直至达到预设的训练截止条件，获得训练完成的特征提取网络。

6.根据权利要求5所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，所述特征提取网络还包括数据增强单元，用于对输入的图像进行数据增强处理。

7.根据权利要求5所述的基于广义平均池化策略的哈希图像检索方法，其特征在于，所述特征提取网络还包括正则化单元，用于防止网络在训练过程中出现过拟合。

8.一种基于广义平均池化策略的哈希图像检索装置，其特征在于，包括：

获取模块，用于获取待检索图像；

图像特征提取模块，用于根据预先训练完成的特征提取网络对待检索图像进行特征提取，得到待检索图像特征向量；

映射模块，用于根据局部敏感哈希算法对所述待检索图像特征向量进行映射，将其映射到哈希桶中；

索引模块，用于根据预先建立的图像特征库的特征索引，查找得到该哈希桶对应的图像特征向量；

检索模块，用于计算所述待检索图像特征向量与所述哈希桶对应的图像特征向量之间的相似度，并按照从小到大的距离排序，输出前k个检索结果，k取值为正整数，完成图像检索。

9.根据权利要求8所述的基于广义平均池化策略的哈希图像检索装置，其特征在于，还包括：

预处理模块，用于对所述待检索图像进行预处理，将该图像的尺寸缩放至特征提取网络预设的图像尺寸。

10.根据权利要求8所述的基于广义平均池化策略的哈希图像检索装置，其特征在于，还包括：特征索引建立模块，具体用于：

根据所述特征提取网络对预设的图像数据集中的图像进行特征提取，构建得到所述图像特征库；

利用局部敏感哈希算法对所述图像特征库中的图像特征向量进行映射，将所述图像特征向量映射到哈希桶，建立所述哈希桶与所述图像特征向量之间的索引，作为所述特征索引。