基于人工智能的图像检索方法、装置、设备及存储介质与流程

本技术涉及人工智能技术，尤其涉及一种基于人工智能的图像检索方法、装置、设备及存储介质。

背景技术：

1、人工智能（ai，artificial intelligence）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。

2、图像检索是人工智能的重要应用，使用机器学习模型提取图像特征，然后将提取的特征与底库中参考图像的特征进行匹配，来判断两张图像是否相近，目前依然是图像检索任务最基础的算法方案。由于图像检索经常需要处理海量的输入数据（即待检索图像）和庞大的底库，相关技术中为了提高图像检索效率，要么简化机器学习模型来减少特征提取时模型计算量，要么减少底库匹配次数以降低匹配耗时，虽然这些方式能够在一定程度上提高图像检索效率，但同时也会影响图像检索精度。

3、从而，图像检索效率与图像检索的精度之间的矛盾成为相关技术中难以解决的技术问题。

技术实现思路

1、本技术实施例提供一种基于人工智能的图像检索方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够在提高图像检索效率的同时，提高图像检索精度。

2、本技术实施例的技术方案是这样实现的：

3、本技术实施例提供一种基于人工智能的图像检索方法，包括：

4、获取待检索图像的第一维度的图像特征和第二维度的图像特征，以及第一图像集合中每个参考图像的第一维度的图像特征和第二维度的图像特征，其中，所述第一维度小于所述第二维度；

5、对所述待检索图像的第一维度的图像特征与所述第一图像集合中每个参考图像的第一维度的图像特征进行匹配，得到对应的第一匹配度，并基于所述第一匹配度从所述第一图像集合中选取目标数量的参考图像，以形成第二图像集合；

6、对所述待检索图像的第二维度的图像特征与所述第二图像集合中每个参考图像的第二维度的图像特征进行匹配，得到对应的第二匹配度，并基于所述第二匹配度确定所述待检索图像的图像检索结果。

7、本技术实施例提供一种基于人工智能的图像检索装置，包括：

8、获取模块，用于获取待检索图像的第一维度的图像特征和第二维度的图像特征，以及第一图像集合中每个参考图像的第一维度的图像特征和第二维度的图像特征，其中，所述第一维度小于所述第二维度；

9、筛选模块，用于对所述待检索图像的第一维度的图像特征与所述第一图像集合中每个参考图像的第一维度的图像特征进行匹配，得到对应的第一匹配度，并基于所述第一匹配度从所述第一图像集合中选取目标数量的参考图像，以形成第二图像集合；

10、确定模块，用于对所述待检索图像的第二维度的图像特征与所述第二图像集合中每个参考图像的第二维度的图像特征进行匹配，得到对应的第二匹配度，并基于所述第二匹配度确定所述待检索图像的图像检索结果。

11、上述方案中，所述获取模块，还用于对所述待检索图像的分辨率进行调整，得到所述待检索图像对应的第一调整图像和第二调整图像；分别对所述待检索图像对应的第一调整图像和第二调整图像进行特征提取处理，得到所述待检索图像的第一维度的图像特征和第二维度的图像特征。

12、上述方案中，所述获取模块，还用于分别对所述待检索图像的第一调整图像和所述第二调整图像进行基础特征提取处理，得到所述待检索图像的第一基础特征和第二基础特征；分别对所述待检索图像的第一基础特征和第二基础特征进行池化处理，得到所述待检索图像对应的第一池化特征和第二池化特征；分别对所述第一池化特征和所述第二池化特征进行特征采样处理，得到所述待检索图像对应的第一维度的图像特征和第二维度的图像特征。

13、上述方案中，所述特征提取处理是通过调用特征提取模型实现的，所述特征提取模型包括基础特征提取层、池化层和第二适配层；所述获取模块，还用于通过所述基础特征提取层，分别对所述第一调整图像和所述第二调整图像进行基础特征提取处理，得到所述待检索图像的第一基础特征和第二基础特征；通过所述池化层，分别对所述第一基础特征和所述第二基础特征进行池化处理，得到所述待检索图像对应的第一池化特征和第二池化特征；通过所述第二适配层，对所述第一池化特征进行特征采样处理，得到所述待检索图像对应的第一维度的图像特征；对所述第二池化特征进行特征降维处理，得到所述待检索图像对应的第二维度的图像特征。

14、上述方案中，所述特征提取模块还包括第一适配层，所述装置还包括：模型训练模块，用于获取初始特征提取模型以及图像样本；基于所述图像样本，对所述初始特征提取模型中的所述基础特征提取层进行训练，得到所述初始特征提取模型对应的第一特征提取模型；固定所述第一特征提取模型中所述基础特征提取层的参数，对所述第一特征提取模型中的所述第一适配层进行训练，得到所述第一特征提取模型对应的第二特征提取模型；固定所述第一特征提取模型中所述基础特征提取层的参数、以及所述第二特征提取模型中的所述第一适配层的参数，对所述第二特征提取模型中的所述第二适配层进行训练，得到所述第二特征提取模型对应的第三特征提取模型，并将所述第三特征提取模型作为所述特征提取模型。

15、上述方案中，所述模型训练模块，还用于对所述图像样本的分辨率进行调整，得到所述图像样本对应的第一调整图像和第二调整图像，并以所述图像样本对应的第一调整图像为基准样本、以所述图像样本对应的第二调整图像为正样本，以其他图像样本为负样本；调用所述初始特征提取模型中的所述基础特征提取层，分别对所述基准样本、所述正样本和所述负样本进行基础特征提取处理，得到对应的基准样本特征、正样本特征和负样本特征；获取所述基准样本特征与所述正样本特征之间的第一相似度、以及所述基准样本特征与所述负样本特征之间的第二相似度，并基于所述第一相似度及所述第二相似度构建所述初始特征提取模型的第一损失值；基于所述第一损失值对所述初始特征提取模型中的所述基础特征提取层进行参数更新，得到所述初始特征提取模型对应的所述特征提取模型。

16、上述方案中，所述模型训练模块，还用于调用所述第一特征提取模型中的所述第一适配层，分别对所述基准样本特征、所述正样本特征和所述负样本特征进行特征采样处理，得到对应的基准样本采样特征、正样本采样特征和负样本采样特征；获取所述基准样本采样特征与所述正样本采样特征之间的第三相似度、以及所述基准样本采样特征与所述负样本采样特征之间的第四相似度，并基于所述第三相似度及所述第四相似度构建所述第一特征提取模型的第二损失值；基于所述第二损失值对所述第一特征提取模型中的所述第一适配层进行参数更新，得到所述第一特征提取模型对应的所述第二特征提取模型。

17、上述方案中，所述模型训练模块，还用于获取特征样本集合，所述特征样本集合包括多个图像样本对应的第二调整图像对应的特征样本以及各所述特征样本对应的特征标签，所述特征标签用于指示通过所述第一适配层对所述特征样本进行特征采样处理的采样特征；调用所述第二特征提取模型中的所述第二适配层，分别对各所述特征样本进行特征采样处理，得到各所述特征样本分别对应的预测采样特征；确定各所述预测采样特征分别与相应的所述特征标签的相似度，并将各所述相似度进行求平均处理，得到所述第二特征提取模型的第三损失值；基于所述第三损失值，对所述第二特征提取模型中的所述第二适配层进行参数更新，得到所述第二特征提取模型对应的第三特征提取模型。

18、上述方案中，所述获取模块，还用于分别对所述第一图像集合中每个参考图像执行以下处理：对所述参考图像的分辨率进行调整，得到所述参考图像对应的第三调整图像；对所述参考图像对应的第三调整图像进行基础特征提取处理，得到所述参考图像对应的第三基础特征；对所述参考图像对应的第三基础特征进行池化处理，得到所述参考图像对应的第三池化特征；对所述第三池化特征进行不同程度的特征采样处理，得到所述参考图像对应的第一维度的图像特征和第二维度的图像特征。

19、上述方案中，所述获取模块，还用于通过神经网络，对所述参考图像对应的第三调整图像进行基础特征提取处理，得到所述参考图像对应的多个特征图，并将所述多个特征图作为第三基础特征；对所述多个特征图进行特征融合处理，得到所述参考图像对应的第三池化特征。

20、上述方案中，所述获取模块，还用于分别获取用于对所述第三池化特征的特征维度进行压缩的第一压缩特征和第二压缩特征；将所述第一压缩特征与所述第三池化特征进行相乘得到第一相乘结果，并将所述第二压缩特征与所述第三池化特征进行相乘得到第二相乘结果；对所述第一相乘结果进行非线性变换处理，得到所述参考图像对应的第一维度的图像特征，并对所述第二相乘结果进行非线性变换处理，得到所述参考图像对应的第二维度的图像特征。

21、本技术实施例提供一种电子设备，包括：

22、存储器，用于存储计算机可执行指令或者计算机程序；

23、处理器，用于执行所述存储器中存储的计算机可执行指令或者计算机程序时，实现本技术实施例提供的基于人工智能的图像检索方法。

24、本技术实施例提供一种计算机可读存储介质，存储有计算机可执行指令或者计算机程序，用于被处理器执行时实现本技术实施例提供的基于人工智能的图像检索方法。

25、本技术实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时，实现本技术实施例提供的基于人工智能的图像检索方法。

26、本技术实施例具有以下有益效果：

27、应用本技术实施例，在对待检索图像进行检索时，首先，对待检索图像的第一维度的图像特征与第一图像集合中每个参考图像的第一维度的图像特征进行匹配，得到对应的第一匹配度，并基于第一匹配度从第一图像集合中选取目标数量的参考图像，以形成第二图像集合；然后，对待检索图像的第二维度的图像特征与第二图像集合中每个参考图像的第二维度的图像特征进行匹配，得到对应的第二匹配度，并基于第二匹配度确定待检索图像的图像检索结果；由于第一维度小于第二维度，即在第一阶段匹配时，先利用低纬度的图像特征的匹配来筛选一定数量的参考图像，能够减少大量图像检索需要的匹配耗时，进而提高图像检索效率；然后，在第二阶段匹配时，对于筛选出的较少数量的参考图像，则利用高纬度的图像特征进行匹配来确定图像检索结果，由于高纬度的图像特征所表征的信息内容更加丰富，因此能够保证图像检索的准确性。