一种相似图片的检索方法及装置与流程

本发明涉及图像处理技术领域，特别是涉及一种相似图片的检索方法及装置。

背景技术：

以图片为信息存储方式，以查找相似图片为手段，以获取所需信息为目的，是一种新的检索信息方式。现有技术中，检索相似图片的方法包括：获取目标图片的多个显著性区域；提取多个显著性区域的卷积神经网络cnn特征；根据多个显著性区域的cnn特征，获取目标图片的特征向量；根据目标图片的特征向量，从目标图片的候选图片组包括的多个候选图片中获取与目标图片匹配的相似图片。

卷积神经网络cnn(convolutionalneuralnetworks,cnn)是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征进行学习，被大量应用于计算机视觉、自然语言处理等领域。在检索相似图片时，用户可能需要查找颜色相近、款式相近、文字相近或者品牌相同的商品。而现有的检索相似图片的方法，是基于整体图片的显著性区域的cnn特征比对查找，忽略了品牌商标和文字等非显著性特征，导致了检索结果与用户的检索需求偏差较大。

技术实现要素：

有鉴于此，本发明提供一种相似图片的检索方法及装置，主要目的在于解决现有技术中检索结果与用户的检索需求偏差较大的问题。

依据本发明一个方面，提供了一种相似图片的检索方法，包括：

根据边缘检测法，提取目标图片的整体特征信息；

根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度；

根据maskrcnn模型，提取所述目标图片的细节特征信息；

根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度；

根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度；

按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

依据本发明另一个方面，提供了一种相似图片的检索装置，包括：

提取模块，用于根据边缘检测法，提取目标图片的整体特征信息；

第一计算模块，用于根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度；

所述提取模块，用于根据maskrcnn模型，提取所述目标图片的细节特征信息；

所述第一计算模块，还用于根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度；

第二计算模块，用于根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度；

展示模块，用于按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述相似图片的检索方法对应的操作。

根据本发明的再一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述相似图片的检索方法对应的操作。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明提供了一种相似图片的检索方法及装置，首先根据边缘检测法，提取目标图片的整体特征信息，计算待测图片与目标图片的整体相似度，再根据maskrcnn模型，提取所述目标图片的细节特征信息，再根据细节特征信息，计算待测图片与目标图片的细节相似度，再根据整体相似度、细节相似度和预置检索权重，计算待测图片与目标图片的检索相似度，最后按照检索相似度的数值从大到小的顺序，展示与检索相似度对应的待测图片。与现有技术相比，本发明实施例通过采用为整体相似度和细节相似度设置不同的预置检索权重，以计算待测图片与目标图片的检索相似度。通过增加细节相似度对检索相似度的影响，能够区分出相似物体的细节冲突，提高相似图片的区分度，以提高识别效果，减少检索结果与用户检索需求的偏差。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种相似图片的检索方法流程图；

图2示出了本发明实施例提供的另一种相似图片的检索方法流程图；

图3示出了本发明实施例提供的一种相似图片的检索装置组成框图；

图4示出了本发明实施例提供的另一种相似图片的检索装置组成框图；

图5示出了本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种相似图片的检索方法，如图1所示，该方法包括：

101、根据边缘检测法，提取目标图片的整体特征信息。

目标图片是指用户已查询的商品图片，本发明的目的就是检索目标图形的相似图片。整体特征信息，是指目标图形中物体的整体信息，包括颜色和轮廓。假设目标图片内容为一件a品牌的白色外套，则白色外套为整体特征信息。

采用边缘检测法能够大幅度地减少数据量，并且剔除不相关的信息，同时保留图像重要的结构属性，有利于提取整体特征信息。边缘检测法可以划分为两类：一阶导数查找法和二阶导数零穿越法。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是laplacian过零点或者非线性差分表示的过零点。示例性的，目标图片内容为一件a品牌的白色外套，提取外套的形状及外套的颜色。

102、根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度。

待测图片，是指可能与目标图片相似的所有图片，可能是系统中的所有图片，可能是根据目标图片的文字描述检索到的相关图片，也可能是根据目标图片中物体的属性检索到的相关图形。在本发明实施例中对待测图片的图片来源以及数量不做限定。与获取目标图片的整体特征信息的方法相同，获取待测图片的整体特征信息，然后计算待测图片与目标图片的整体相似度。整体相似度可根据欧几里得距离、曼哈顿距离、明可夫斯基距离、余弦相似度或皮尔森相关系数等方法计算。

103、根据maskrcnn模型，提取所述目标图片的细节特征信息。

目标图片是指用户已查询的商品图片，本发明的目的就是检索目标图形的相似图片。细节特征信息，是指目标图片中的细节部分，是指相对于整张图片所占比例较小却有着丰富信息的图像部分。假设目标图片内容为一件a品牌的白色外套，则a品牌为细节特征信息，a品牌是指该品牌的商标形状，或商标的形状及颜色。

如果采用maskrcnn算法提取细节特征信息，那么maskrcnn算法的算法模型，需要经过标注出目标图片细节特征信息的训练图片进行训练。示例性的，目标图片内容为一件a品牌的白色外套，在训练图像训练时标注出商标的形状和一般外套的形状，通过训练使得目标图片能区分出外套和外套上的商标。

104、根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度。

与获取目标图片的细节特征信息方法相同，获取待测图片的细节特征信息，然后计算待测图片与目标图片的细节相似度。细节相似度可根据欧几里得距离、曼哈顿距离、明可夫斯基距离、余弦相似度或皮尔森相关系数等方法计算。

105、根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度。

预置检索权重，是指整体相似度和细节相似度在计算检索相似度时所占的比例。假设预置检索权重为1:2，整体相似度对应的权重为1，细节相似度对应的权重为2，检索相似度为整体相似度乘以1，与细节相似度乘以2的和。在计算检索相似度时，可以设置预置检索权重和为1，那么假设预置检索权重为1:2，整体相似度对应的权重为1/3，细节相似度对应的权重为2/3，检索相似度为整体相似度乘以1/3，与细节相似度乘以2/3的和。

106、按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

将检索相似度的数值从大到小排序，按照其排列顺序查找与检索相似度对应的待测图片，然后展示待测图片。在展示时，根据展示区的大小设置同时展示的图片数量。在展示时，可以按照待测图片的排列顺序，选取展示区可同时展示的图片数量，展示待测图片。

本发明提供了一种相似图片的检索方法，首先根据边缘检测法，提取目标图片的整体特征信息，计算待测图片与目标图片的整体相似度，再根据maskrcnn模型，提取所述目标图片的细节特征信息，再根据细节特征信息，计算待测图片与目标图片的细节相似度，再根据整体相似度、细节相似度和预置检索权重，计算待测图片与目标图片的检索相似度，最后按照检索相似度的数值从大到小的顺序，展示与检索相似度对应的待测图片。与现有技术相比，本发明实施例通过采用为整体相似度和细节相似度设置不同的预置检索权重，以计算待测图片与目标图片的检索相似度。通过增加细节相似度对检索相似度的影响，能够区分出相似物体的细节冲突，提高相似图片的区分度，以提高识别效果，减少检索结果与用户检索需求的偏差。

本发明实施例提供了另一种相似图片的检索方法，如图2所示，该方法包括：

201、根据边缘检测法，提取目标图片的整体特征信息。

目标图片是指用户以查询的商品图片，本发明的目的就是检索目标图形的相似图片。整体特征信息，是指目标图形中物体的整体信息，包括颜色和轮廓。假设目标图片内容为一件a品牌的白色外套，则白色外套为整体特征信息。

现有的服装、鞋帽、电子产品等物品，通常在查找相似产品时包括两方面的相似，一是细节特征相同，二是整体特征相似。整体特征信息包括目标物体颜色和目标边缘轮廓。获取目标图片的整体特征信息，具体包括：采用边缘检测法，标识并提取所述目标图片中的目标物体的所述目标边缘轮廓；提取所述目标边缘轮廓内所述目标物体的所述目标物体颜色。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。通过边缘检测算法提取并标识目标边缘轮廓。目标边缘轮廓，是目标图片中目标物体的轮廓，所以目标边缘轮廓内的颜色，是目标物体的实际颜色。

提取目标边缘轮廓内目标物体的目标物体颜色，具体包括：按照第一预置划分粒度，将所述目标图片划分为多个网格图片；在所述目标图片中所述目标边缘轮廓内，查询每个所述网格图片的网格颜色，所述网格颜色包括单一色和混合色；计算所述网格颜色为混合色的图片数量与所述网格图片的总数量相比的混合色比例；如果所述混合色比例大于第一预置比例，则按照第二预置划分粒度重新划分所述目标图片；如果所述混合色比例不大于所述第一预置比例，则记录所述网格颜色为单一色的网格图片的每种颜色的单一色图片数量；如果所述单一色图片数量与所述网格图片的总数量的单一色比例大于第二预置比例，则确定所述单一色图片数量对应的网格颜色为目标物体颜色；如果所述每种颜色的单一色图片数量之间的差值小于第三预置数量，则确定所述网格图片的网格颜色为目标物体颜色。确定的目标物体颜色，可能是单独的某一个颜色，也可能是多种颜色组合。

202、根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度。

待测图片，是指可能与目标图片相似的所有图片，可能是系统中的所有图片，可能是根据目标图片的文字描述检索到的相关图片，也可能是根据目标图片中物体的属性检索到的相关图形。在本发明实施例中对待测图片的图片来源以及数量不做限定。本步骤具体包括：获取所述待测图片的整体特征信息，所述待测图片的整体特征信息包括待测物体颜色和待测边缘轮廓；根据所述待测图片的整体特征信息、所述目标物体颜色和所述目标边缘轮廓，计算所述目标图片与所述待测图片的物体颜色相似度和边缘轮廓相似度；根据预置整体比重，计算所述目标图片与所述待测图片的所述整体相似度。预置整体比重，是指物体颜色相似度和边缘轮廓相似度在计算整体相似度时所占的比重。

203、根据maskrcnn模型，提取所述目标图片的细节特征信息。

目标图片是指用户以查询的商品图片，本发明的目的就是检索目标图形的相似图片。细节特征信息，是指目标图片中的细节部分，是指相对于整张图片所占比例较小却有着丰富信息的图像部分。假设目标图片内容为一件a品牌的白色外套，则a品牌为细节特征信息。

现有的服装、鞋帽、电子产品等物品，通常在查找相似产品时包括两方面的相似，一是细节特征相同，二是整体特征相似。细节特征信息包括文字商标、图案商标、印花、刺绣等特殊图形，常常与目标图形的整体颜色相近似或者颜色反差较大，以此区别作为获取细节特征信息的基础。提取目标图片的细节特征信息，具体包括：提取所述网格颜色为混合色的网格图片；滤除所述网格颜色为混合色的网格图片中的目标物体颜色，获取网格特征图片；判断所述网格特征图片中的图片轮廓是否为封闭轮廓；如果判断结果为是，则将所述网格特征图片中的字符或者图形轮廓确定为细节特征信息；如果判断结果为否，则合并所述网格颜色为混合色的网格图片及其相邻的网格图片，并滤除所述目标物体颜色，重新获取所述网格特征图片。合并网格颜色为混合色的网格图片及其相邻的网格图片，是指以网格颜色为混合色的网格图片为中心，与其四周相邻的网格图片合并。

为了提高提取细节特征信息的速度和准确度，提取目标图片细节特征信息，具体包括：将所述目标图片与所述目标边缘轮廓进行匹配，筛选所述目标图片中的目标实物图片；将所述目标实物图片输入所述maskrcnn模型，提取所述目标实物图片的二值掩膜图像；标记所述二值掩膜图像中的图像轮廓；将所述目标实物图片与所述标记后的二值掩膜图像进行匹配，筛选与所述图像轮廓对应的目标实物图片中的细节特征图片；将所述网格特征图片中的字符或者图形轮廓确定为细节特征信息。通过maskrcnn模型加速对目标图片的分割，以实现较低时间和空间复杂度情况下，精确提取目标实物图片中的图像轮廓，以获取精确的细节特征信息。

204、根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度。

本步骤具体包括：获取所述待测图片的细节特征信息；根据所述待测图片的细节特征信息和所述目标图片的细节特征信息，计算所述目标图片与所述待测图片的细节相似度。与获取目标图片的细节特征信息方法相同，获取待测图片的细节特征信息。

205、根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度。

预置检索权重，是指整体相似度和细节相似度在计算检索相似度时所占的比例。假设预置检索权重为1:2，则整体相似度对应的权重为1，细节相似度对应的权重为2，检索相似度为整体相似度乘以1，与细节相似度乘以2的和。在计算检索相似度时，可以设置预置检索权重和为1，那么假设预置检索权重为1:2，则整体相似度对应的权重为1/3，细节相似度对应的权重为2/3，检索相似度为整体相似度乘以1/3，与细节相似度乘以2/3的和。

206、按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

将检索相似度的数值从大到小排序，按照其排列顺序查找与检索相似度对应的待测图片，然后展示待测图片。在展示时，根据展示区的大小设置同时展示的图片数量。在展示时，可以按照待测图片的排列顺序，选取展示区可同时展示的图片数量，展示待测图片。

207、如果用户操作符合预置条件，则按照预置规则，修正所述预置检索权重。

预置条件为用户首次未选取所述检索相似度最大值对应的待测图片，或设置当用户经过查找的不同目标图片的相似图片后首次选取的待检测图片不是相似度最高的图片的次数大于预置次数。在修正预置检索权重时，可以比较用户选取的待测图片与检索相似度最大值对应的待测图片的整体相似度和细节相似度的大小，确定整体相似度还是细节相似度对用户影响较大，然后增加对用户响应较大的权重，以此修正预置检索权重。

为了保证待检测图片的展示顺序更符合用户需求，保证更新后的权重能够反应用户的真实想法，还可以设置当用户经过查找的不同目标图片的相似图片后首次选取的待检测图片不是相似度最高的图片的次数大于预置次数时，才修正预置检索权重。

本发明提供了一种相似图片的检索方法，首先根据边缘检测法，提取目标图片的整体特征信息，计算待测图片与目标图片的整体相似度，再根据maskrcnn模型，提取所述目标图片的细节特征信息，再根据细节特征信息，计算待测图片与目标图片的细节相似度，再根据整体相似度、细节相似度和预置检索权重，计算待测图片与目标图片的检索相似度，最后按照检索相似度的数值从大到小的顺序，展示与检索相似度对应的待测图片。如果用户首次未选取所述检索相似度最大值对应的待测图片，则按照预置规则，调整所述预置检索权重，或设置当用户经过查找的不同目标图片的相似图片后首次选取的待检测图片不是相似度最高的图片的次数大于预置次数时，则可改变预置检索权重。与现有技术相比，本发明实施例通过采用为整体相似度和细节相似度设置不同的预置检索权重，以计算待测图片与目标图片的检索相似度。通过增加细节相似度对检索相似度的影响，能够区分出相似物体的细节冲突，提高相似图片的区分度，以提高识别效果，减少检索结果与用户检索需求的偏差。

进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种相似图片的检索装置，如图3所示，该装置包括：

提取模块31，用于根据边缘检测法，提取目标图片的整体特征信息；

第一计算模块32，用于根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度；

所述提取模块31，用于根据maskrcnn模型，提取所述目标图片的细节特征信息；

所述第一计算模块32，还用于根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度；

第二计算模块33，用于根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度；

展示模块34，用于按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

本发明提供了一种相似图片的检索装置，首先根据边缘检测法，提取目标图片的整体特征信息，计算待测图片与目标图片的整体相似度，再根据maskrcnn模型，提取所述目标图片的细节特征信息，再根据细节特征信息，计算待测图片与目标图片的细节相似度，再根据整体相似度、细节相似度和预置检索权重，计算待测图片与目标图片的检索相似度，最后按照检索相似度的数值从大到小的顺序，展示与检索相似度对应的待测图片。与现有技术相比，本发明实施例通过采用为整体相似度和细节相似度设置不同的预置检索权重，以计算待测图片与目标图片的检索相似度。通过增加细节相似度对检索相似度的影响，能够区分出相似物体的细节冲突，提高相似图片的区分度，以提高识别效果，减少检索结果与用户检索需求的偏差。

进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种相似图片的检索装置，如图4所示，该装置包括：

提取模块41，用于根据边缘检测法，提取目标图片的整体特征信息；

第一计算模块42，用于根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度；

所述提取模块41，用于根据maskrcnn模型，提取所述目标图片的细节特征信息；

所述第一计算模块42，还用于根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度；

第二计算模块43，用于根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度；

展示模块44，用于按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

进一步地，所述整体特征信息包括目标物体颜色和目标边缘轮廓；

所述提取模块41，包括：

第一提取单元411，用于采用边缘检测法，标识并提取所述目标图片中的目标物体的所述目标边缘轮廓；

第二提取单元412，用于提取所述目标边缘轮廓内所述目标物体的所述目标物体颜色。

进一步地，所述第二提取单元412，包括：

划分子单元4121，用于按照第一预置划分粒度，将所述目标图片划分为多个网格图片；

查询子单元4122，用于在所述目标图片中所述目标边缘轮廓内，查询每个所述网格图片的网格颜色，所述网格颜色包括单一色和混合色；

计算子单元4123，用于计算所述网格颜色为混合色的图片数量与所述网格图片的总数量相比的混合色比例；

所述划分子单元4121，还用于如果所述混合色比例大于第一预置比例，则按照第二预置划分粒度重新划分所述目标图片；

记录子单元4124，用于如果所述混合色比例不大于所述第一预置比例，则记录所述网格颜色为单一色的网格图片的每种颜色的单一色图片数量；

确定子单元4125，用于如果所述单一色图片数量与所述网格图片的总数量的单一色比例大于第二预置比例，则确定所述单一色图片数量对应的网格颜色为目标物体颜色；

所述确定子单元4125，还用于如果所述每种颜色的单一色图片数量之间的差值小于第三预置数量，则确定所述网格图片的网格颜色为目标物体颜色。

进一步地，所述提取模块41，包括：

筛选单元413，用于将所述目标图片与所述目标边缘轮廓进行匹配，筛选所述目标图片中的目标实物图片；

提取单元414，用于将所述目标实物图片输入所述maskrcnn模型，提取所述目标实物图片的二值掩膜图像；

标记单元415，用于标记所述二值掩膜图像中的图像轮廓；

所述筛选单元413，还用于将所述目标实物图片与所述标记后的二值掩膜图像进行匹配，筛选与所述图像轮廓对应的目标实物图片中的细节特征图片；

确定单元416，用于将所述网格特征图片中的字符或者图形轮廓确定为细节特征信息。

进一步地，所述第一计算模块42，包括：

获取单元421，用于获取所述待测图片的整体特征信息，所述待测图片的整体特征信息包括待测物体颜色和待测边缘轮廓；

计算单元422，用于根据所述待测图片的整体特征信息、所述目标物体颜色和所述目标边缘轮廓，计算所述目标图片与所述待测图片的物体颜色相似度和边缘轮廓相似度；

所述计算单元422，还用于根据预置整体比重，计算所述目标图片与所述待测图片的所述整体相似度。

进一步地，所述第一计算模块42，包括：

所述获取单元421，还用于获取所述待测图片的细节特征信息；

所述计算单元422，还用于根据所述待测图片的细节特征信息和所述目标图片的细节特征信息，计算所述目标图片与所述待测图片的细节相似度。

进一步地，所述方法还包括：

修正模块45，用于所述按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片之后，如果用户操作符合预置条件，则按照预置规则，修正所述预置检索权重，所述预置条件为用户首次未选取所述检索相似度最大值对应的待测图片，或设置当用户经过查找的不同目标图片的相似图片后首次选取的待检测图片不是相似度最高的图片的次数大于预置次数。

本发明提供了一种相似图片的检索装置，首先根据边缘检测法，提取目标图片的整体特征信息，计算待测图片与目标图片的整体相似度，再根据maskrcnn模型，提取所述目标图片的细节特征信息，再根据细节特征信息，计算待测图片与目标图片的细节相似度，再根据整体相似度、细节相似度和预置检索权重，计算待测图片与目标图片的检索相似度，最后按照检索相似度的数值从大到小的顺序，展示与检索相似度对应的待测图片。如果用户首次未选取所述检索相似度最大值对应的待测图片，则可按照预置规则，调整所述预置检索权重，或设置当用户经过查找的不同目标图片的相似图片后首次选取的待检测图片不是相似度最高的图片的次数大于预置次数时，则可改变预置检索权重。与现有技术相比，本发明实施例通过采用为整体相似度和细节相似度设置不同的预置检索权重，以计算待测图片与目标图片的检索相似度。通过增加细节相似度对检索相似度的影响，能够区分出相似物体的细节冲突，提高相似图片的区分度，以提高识别效果，减少检索结果与用户检索需求的偏差。

根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的相似图片的检索方法。

图5示出了根据本发明一个实施例提供的一种计算机设备的结构示意图，本发明具体实施例并不对计算机设备的具体实现做限定。

如图5所示，该计算机设备可以包括：处理器(processor)502、通信接口(communicationsinterface)504、存储器(memory)506、以及通信总线508。

其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。

通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器502，用于执行程序510，具体可以执行上述相似图片的检索方法实施例中的相关步骤。

具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。

处理器502可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。

存储器506，用于存放程序510。存储器506可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

程序510具体可以用于使得处理器502执行以下操作：

根据边缘检测法，提取目标图片的整体特征信息；

根据所述整体特征信息，计算待测图片与所述目标图片的整体相似度；

根据maskrcnn模型，提取所述目标图片的细节特征信息；

根据所述细节特征信息，计算所述待测图片与所述目标图片的细节相似度；

根据所述整体相似度、所述细节相似度和预置检索权重，计算所述待测图片与所述目标图片的检索相似度；

按照所述检索相似度的数值从大到小的顺序，展示与所述检索相似度对应的待测图片。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。