[发明专利]一种图像检索结果重排序方法、装置、设备及介质

说明书

本发明公开了一种图像检索结果重排序方法、装置、设备及介质，方法包括：根据检索目标，确定原排序结果；根据所述原排序结果，确定直接相似图像集合；根据所述直接相似图像集合，确定间接相似图像集合；根据所述间接相似图像集合，确定所述直接相似图像集合中每一张直接相似图像与所述检索目标的初始距离，其中，所述初始距离为根据所述间接相似图像集合与所述检索目标的欧几里得距离之和求平均得到的距离；根据所述直接相似图像集合中每一张直接相似图像与所述检索目标的初始距离，确定排序结果。本发明实现了有效利用原排序结果中的分布信息，快速提高了检索系统的精度以及稳定性，能广泛运用于图像检索技术领域。

技术领域

本发明涉及图像检索技术领域，尤其是一种图像检索结果重排序方法、装置、设备及介质。

背景技术

随着大数据时代的到来，如何从海量数据中检索到目标成为亟待解决的关键问题。近几年，深度学习技术飞速发展，在检索任务上，如：行人重识别(person re-identification)和车辆重识别(vehicle re-identification)，深度卷积网络的检索性能水平已经接近人类平均水平甚至有所超越。现在比较常用的图像检索方法为通过直接比较检索目标和数据库图像的欧几里得距离得出排序结果，这种排序方法称为原排序。在原排序中，相似度度量方法单一，仅用欧几里得距离，而且未利用数据库图像之间的关联信息。使用数据库图像之间的关联信息作为一种度量方法补充到相似度计算中已经成为了一种新的方向。在原排序的基础上，充分利用其他已有信息，对原排序结果进行重新排序便是重排序。

现在比较常用的重排序算法是k-连通编码(k-reciprocal encoding)。该算法的大致流程分为下面五步：1.求出检索目标的相似图像集合，2.分别求出相似图像集合中每一张图像的相似图像集合，3.逐一计算两集合的杰卡德距离，4.将各张图像对应的杰卡德距离和欧几里得距离相加，5.用相加后的距离进行排序。这种算法的逻辑运算较多，导致其运行时间比较长，难以部署到生产环境中，目前多使用在学术研究上。

发明内容

有鉴于此，本发明实施例提供一种图像检索结果重排序方法、装置、设备及介质。

一方面，本发明提供了一种图像检索结果重排序方法，包括：

根据检索目标，确定原排序结果；

根据所述原排序结果，确定直接相似图像集合；

根据所述直接相似图像集合，确定间接相似图像集合；

根据所述间接相似图像集合，确定所述直接相似图像集合中每一张直接相似图像与所述检索目标的初始距离；

根据所述直接相似图像集合中每一张直接相似图像与所述检索目标的初始距离，确定排序结果。

可选地，所述根据检索目标，确定原排序结果，包括：

通过图像检索方法，确定原排序结果。

可选地，所述根据所述原排序结果，确定直接相似图像集合，包括：

提取所述原排序结果中与所述检索目标的欧几里得距离最小的图像，确定直接相似图像集合。

可选地，所述根据所述直接相似图像集合，确定间接相似图像集合，包括：

根据所述直接相似图像集合，提取与所述直接相似图像集合相似的图像，确定所述间接相似图像集合。

可选地，所述根据所述间接相似图像集合，确定所述直接相似图像集合中每一张直接相似图像与所述检索目标的初始距离，其中，所述初始距离为根据所述间接相似图像集合与所述检索目标的欧几里得距离之和求平均得到的距离，包括：

计算所述间接相似图像与所述检索目标的欧几里得距离，根据初始距离计算公式得到所述直接相似图像与所述检索目标的初始距离。