[发明专利]图片检索方法、装置、计算机设备及存储介质

权利要求书

1.一种图片检索方法，其特征在于，包括：

接收用户所上传的待检索图片，判断用户模式是否为用户账户登录模式；

若用户模式是用户账户登录模式，判断用户账号登录模式对应的用户账号是否设置有用户职业标签；

若用户账号登录模式对应的用户账号设置有用户职业标签，将所述用户职业标签转化为标签词向量；

通过卷积神经网络模型对所述待检索图片进行特征提取，得到对应的图片特征向量，将所述标签词向量与所述图片特征向量进行组合得到图片特征向量集；

根据所述图片特征向量集中所述标签词向量定位目标图片库，在所述目标图片库中获取与所述图片特征向量之间的近似度超出预设近似度阈值的图片以组成检索结果；以及

将所述检索结果推送至所述待检索图片对应的上传端。

2.根据权利要求1所述的图片检索方法，其特征在于，所述若用户模式是用户账户登录模式，判断用户账号登录模式对应的用户账号是否设置有用户职业标签之后，还包括：

若用户账号登录模式对应的用户账号未设置用户职业标签，通过卷积神经网络模型对所述待检索图片进行特征提取，得到对应的图片特征向量；

获取与所述图片特征向量之间的近似度超出预设近似度阈值的图片以作组成检索结果。

3.根据权利要求1所述的图片检索方法，其特征在于，所述将所述用户职业标签转化为标签词向量，包括：

通过用于将词语转化为向量的Word2Vec模型将所述用户职业标签转化为标签词向量。

4.根据权利要求1或2所述的图片检索方法，其特征在于，所述通过卷积神经网络模型对所述待检索图片进行特征提取，得到对应的图片特征向量，包括：

获取所述待检索图片对应的像素矩阵；

将所述像素矩阵输入至所述卷积神经网络模型的卷积层，得到多个特征图；

将多个特征图均输入至所述卷积神经网络模型的池化层，得到每一特征图对应的池化结果；

将每一特征图对应的池化结果输入至所述卷积神经网络模型的全连接层，得到与所述待检索图片对应的图片特征向量。

5.根据权利要求1所述的图片检索方法，其特征在于，所述在所述目标图片库中获取与所述图片特征向量之间的近似度超出预设近似度阈值的图片以组成检索结果，包括：

将所述图片特征向量通过PCA降维，得到待检索图片主向量；

将所述待检索图片主向量与目标图片库中各图片的主向量进行皮尔逊相似度计算，获取与所述待检索图片主向量的皮尔逊相似度大于预设相似度阈值的主向量所对应图片，以作为检索结果。

6.一种图片检索装置，其特征在于，包括：

用户模式判断单元，用于接收用户所上传的待检索图片，判断用户模式是否为用户账户登录模式；

职业标签判断单元，用于若用户模式是用户账户登录模式，判断用户账号登录模式对应的用户账号是否设置有用户职业标签；

标签词向量获取单元，用于若用户账号登录模式对应的用户账号设置有用户职业标签，将所述用户职业标签转化为标签词向量；

第一特征向量提取单元，用于通过卷积神经网络模型对所述待检索图片进行特征提取，得到对应的图片特征向量，将所述标签词向量与所述图片特征向量进行组合得到图片特征向量集；

目标库检索单元，用于根据所述图片特征向量集中所述标签词向量定位目标图片库，在所述目标图片库中获取与所述图片特征向量之间的近似度超出预设近似度阈值的图片以组成检索结果；以及

检索结果发送单元，用于将所述检索结果推送至所述待检索图片对应的上传端。

7.根据权利要求6所述的图片检索装置，其特征在于，还包括：

第二特征向量提取单元，用于若用户账号登录模式对应的用户账号未设置用户职业标签，通过卷积神经网络模型对所述待检索图片进行特征提取，得到对应的图片特征向量；

全库检索单元，用于获取与所述图片特征向量之间的近似度超出预设近似度阈值的图片以作组成检索结果。