[发明专利]一种基于深度学习的矢量图检索方法及系统

权利要求书

1.一种基于深度学习的矢量图检索方法，其特征在于，所述检索方法包括以下步骤：

基于目标矢量图生成与所述目标矢量图一一对应的目标位图；

对所述目标矢量图和所述目标位图进行组合以形成带有标识符的多个文件流；

基于深度学习获取所述目标位图以及待检索图像的特征信息；

对比所述目标位图和所述待检索图像的特征信息，从所述目标位图中初步筛选出与所述待检索图像相关的多个目标图像；

根据矢量图和位图的特征差异，对所述目标图像进行相关度排序；

基于标识符从所述文件流中检索获取与所述目标图像对应的所述目标矢量图。

2.如权利要求1所述的基于深度学习的矢量图检索方法，其特征在于，所述检索方法还包括步骤：创建特征库；

在获取所述目标位图的特征信息的步骤之后，将所述目标位图的特征信息传入所述特征库；

在对比所述目标位图和所述待检索图像的特征信息的步骤中，具体为：基于余弦距离对所述待检索图像的特征信息和所述特征库内的特征信息进行计算，从所述目标位图中初步筛选出与所述待检索图像相关的多个目标图像。

3.如权利要求1所述的基于深度学习的矢量图检索方法，其特征在于，在对所述目标图像进行相关度排序的步骤中，具体为：

基于所述待检索图像对每个所述目标图像分别进行哈希编码；

基于哈希编码结果对所述目标图像通过汉明距离进行相关度排序。

4.如权利要求1所述的基于深度学习的矢量图检索方法，其特征在于，矢量图与位图的特征差异包括线条粗细、位置偏移、噪声、缩放中的一项或多项差异信息。

5.如权利要求1所述的基于深度学习的矢量图检索方法，其特征在于，每一所述文件流的属性均包括文件信息、目标矢量图和对应的目标位图的字节信息，所述文件信息包括识别号、名称、大小。

6.一种基于深度学习的矢量图检索系统，其特征在于，所述检索系统包括：

图像转换模块，用于生成与目标矢量图一一对应的目标位图；

组合模块，用于对所述目标矢量图和所述目标位图进行组合以形成带有标识符的多个文件流；

特征提取模块，用于基于深度学习获取所述目标位图以及待检索图像的特征信息；

筛选模块，用于对比所述目标位图和所述待检索图像的特征信息，以从所述目标位图中初步筛选出与所述待检索图像相关的多个目标图像；

排序模块，用于根据矢量图和位图的特征差异，对所述目标图像进行相关度排序；

调用模块，用于基于标识符从所述文件流中检索获取与所述目标图像对应的所述目标矢量图。

7.如权利要求6所述的基于深度学习的矢量图检索系统，其特征在于，所述检索系统还包括特征库；所述特征库用于储存所述特征提取模块获取所述目标位图的特征信息，所述筛选模块用于对比所述待检索图像的特征信息和所述特征库内的特征信息。

8.如权利要求6所述的基于深度学习的矢量图检索系统，其特征在于，所述排序模块包括：

哈希编码单元，用于基于所述待检索图像对每个所述目标图像分别进行哈希编码；

汉明排序单元，基于所述哈希编码单元处理后的结果对所述目标图像通过汉明距离进行相关度排序。

9.如权利要求6所述的基于深度学习的矢量图检索系统，其特征在于，所述特征提取模块包括深度学习模型，所述目标位图和所述待检索图像通过所述深度学习模型获取最后卷积层的特征信息。