[发明专利]一种训练图像分类模型、图像搜索的方法及相关装置

说明书

本申请公开了一种训练图像分类模型、图像搜索的方法及相关装置，该方法包括：以历史用户输入文本进行图像搜索获得搜索图像，搜索图像标记有内容类别标签；通过预设图像分类模型的特征提取层，提取搜索图像的图像特征和图库图像的图像特征并匹配，得到搜索图像的相似图像集；通过相似图像的图像特征进行密度聚类，清洗相似图像集得到目标相似图像集；以目标相似图像集中相似图像和各相似图像标记的内容类别标签，微调训练预训练分类模型得到目标图像分类模型。通过目标图像分类模型的特征提取层，提取目标搜索图像的图像特征和图库图像的图像特征；匹配目标搜索图像与图库图像的图像特征，搜索与目标搜索图像风格一致的目标相似图像。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种训练图像分类模型、图像搜索的方法及相关装置。

背景技术

随着机器学习的快速发展，机器学习的应用越来越广泛。例如，以图搜图是指利用机器学习得到的图像分类模型的特征提取层，对待搜索图像和图库图像进行特征提取得到图像特征，基于图像特征进行匹配，从图库图像中召回待搜索图像的相似图像。

发明人经过研究发现，上述机器学习得到的图像分类模型实际上是基于样本图像、标记的内容类别标签训练分类网络得到的；则该图像分类模型主要关注图像的内容类别而忽略了图像的风格，在以图搜图时应用该图像分类模型，可能会导致召回的相似图像与待搜索图像的风格不一致，难以适用于有风格一致性需求的以图搜图场景。

发明内容

有鉴于此，本申请提供一种训练图像分类模型、图像搜索的方法及相关装置，使得训练得到的图像分类模型不仅关注图像的内容类别，而且关注图像的风格，基于此以图搜图，不仅图像的内容类别相同，而且图像的风格一致，适用于有风格一致性需求的以图搜图场景。

第一方面，本申请实施例提供了一种训练图像分类模型的方法，该方法包括：

利用预设图像分类模型的特征提取层，对搜索图像和图库图像进行特征提取匹配，获得所述搜索图像的相似图像形成相似图像集；所述搜索图像是通过历史用户输入文本进行图像搜索获得的，所述搜索图像标记有内容类别标签；

基于所述相似图像的图像特征，对所述相似图像集进行密度聚类清洗获得目标相似图像集；

利用所述目标相似图像集中相似图像和各相似图像标记的内容类别标签，对预训练分类模型进行微调训练获得目标图像分类模型。

可选的，所述基于所述相似图像的图像特征，对所述相似图像集进行密度聚类清洗获得目标相似图像集，包括：

基于所述相似图像的图像特征、密度聚类簇的距离阈值和数量阈值，对所述相似图像集中相似图像进行密度聚类，确定不属于密度聚类簇的相似图像为异常图像；所述距离阈值是指构成密度聚类簇的相似图像之间的图像特征距离的上限值，所述数量阈值是指构成密度聚类簇的相似图像数量的下限值；

对所述相似图像集中所述异常图像进行清洗，获得所述目标相似图像集。

可选的，所述利用预设图像分类模型的特征提取层，对搜索图像和图库图像进行特征提取匹配，获得所述搜索图像的相似图像形成相似图像集，包括：

利用所述预设图像分类模型的特征提取层，对所述搜索图像和所述图库图像进行特征提取，获得所述搜索图像的图像特征和所述图库图像的图像特征；

基于所述搜索图像的图像特征和所述图库图像的图像特征，获得每个搜索图像与每个图库图像的图像特征距离；

基于所述每个搜索图像与每个图库图像的图像特征距离，从所述图库图像中筛选出每个搜索图像的相似图像，形成各搜索图像对应的相似图像集。