[发明专利]基于LIRE的图像查重方法、装置、计算机设备和存储介质

权利要求书

1.一种基于LIRE的图像查重方法，其特征在于，所述方法包括：

接收用户发送的待对比图像；

利用LIRE对所述待对比图像进行第一特征提取处理，以得到所述待对比图像的第一图像特征；

利用预训练的深度学习模型对所述待对比图像进行第二特征提取处理，以得到所述待对比图像的第二图像特征；

将所述第一图像特征和所述第二图像特征进行融合处理，得到第三图像特征；

根据所述第三图像特征，从预设的图像特征集确定与所述第三图像特征对应的第四图像特征；

将所述第三图像特征和所述第四图像特征进行对比处理，得到所述待对比图像的图像查重结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像特征和所述第二图像特征进行融合处理，得到第三图像特征，包括：

对所述第一图像特征和所述第二图像特征进行特征融合处理，得到第一融合图像特征；

对所述第一融合图像特征进行特征提取处理，以得到第二融合图像特征；

对所述第二融合图像特征进行非线性映射处理，以得到所述第三图像特征。

3.根据权利要求1所述的方法，其特征在于，所述图像特征集通过如下步骤获取：

获取图像数据集，所述图像数据集包括多个图像样本；

利用所述LIRE对每个所述图像样本进行第三特征提取处理，以得到第一图像特征集；

利用所述预训练的深度学习模型对每个所述图像样本进行第四特征提取处理，以得到第二图像特征集；

对所述第一图像特征集和与所述第一图像特征集对应的所述第二图像特征集进行特征融合，以得到图像特征集。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第三图像特征，从预设的图像特征集确定与所述第三图像特征对应的第四图像特征，包括：

从预设的图像索引项集确定所述第三图像特征对应的图像索引项，所述索引项集为通过利用所述LIRE创建每个所述图像样本的图像特征的索引项得到；

根据所述图像索引项，查询所述图像特征集，确定与所述第三图像特征对应的第四图像特征。

5.根据权利要求3所述的方法，其特征在于，在所述获取图像数据集之后，所述方法还包括:

对所述图像数据集中的多个所述图像样本进行图像增强处理，以得到与所述图像样本对应的增强图像样本，其中，所述图像增强处理包括以下至少之一：图像旋转、图像裁剪、图像模糊处理、摩尔纹处理；

获取初始的深度学习模型，利用所述初始的深度学习模型对所述图像样本和所述增强图像样本进行特征提取，得到第三图像特征集；

根据所述第三图像特征集，确定所述初始的深度学习模型的损失函数的值；

在所述损失函数的值满足预设的训练结束条件情况下，结束训练，得到所述预训练的深度学习模型；

在所述损失函数的值不满足预设的训练结束条件情况下，调整所述初始的深度学习模型的模型参数，并基于所述图像样本和所述增强图像样本继续对所述初始的深度学习模型进行训练；

其中，所述根据所述第三图像特征集，确定所述初始的深度学习模型的损失函数的值，包括：

根据所述第三图像特征集，利用三元组损失函数计算所述初始的深度学习模型的损失函数的值；

所述三元组损失函数基于以下公式对所述第三图像特征集进行计算：

L＝max(d(a,p)-d(a,n)+margin,0)

其中，L表示所述损失函数的值，max()表示最大值函数，d表示距离函数，a表示所述第三图像特征集中的一个图像特征，p表示与a同类的图像特征，n表示与a不同类的图像特征，margin表示超参数。

6.根据权利要求5所述的方法，其特征在于，所述利用所述预训练的深度学习模型对每个所述图像样本进行第四特征提取处理，以得到第二图像特征集，包括：利用所述预训练的深度学习模型对所述图像样本和所述增强图像样本进行特征提取，得到所述第二图像特征集。