[发明专利]一种基于深度学习的矢量图检索方法及系统

说明书

本发明公开了一种基于深度学习的矢量图检索方法及系统，该检索方法包括步骤：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。本发明减少用户矢量图重复绘制，无需训练模型，可以快速部署，达到客户在较短时间内利用位图能够准确检索到服务端矢量图并下载至客户端的效果。

技术领域

本发明属于图像检索领域，特别涉及一种基于深度学习的矢量图检索方法及系统。

背景技术

目前主流的图像检索方法是利用卷积神经网络提取图片特征，利用度量学习方法如欧式距离对图片特征进行计算距离，对图片距离进行排序，得到初级检索结果，再根据图片数据的上下文信息和流形结构对图像检索结果进行重排序，从而提高图像检索准确率，得到最终的检索结果。

此类方法在检索矢量图时的缺陷是：

1、耗时长：重排序过程增加了额外的处理时间；

2、检索准确率差：对于类内差异小的相同类别图像(机械制图等)检索，以及矢量图与位图在线条粗细、位置偏移、噪声、缩放等方面有较大差异时，直接采用该方法是很难获取感兴趣的目标图像；

3、标注难：矢量图分类难。

发明内容

针对上述问题，本发明采用的技术方案是：一种基于深度学习的矢量图检索方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，在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文件流的步骤之后，还包括步骤：将所述文件流通过通信框架传入服务器，并以字节数组的形式存储于数据库。

以及，一种基于深度学习的矢量图检索系统，所述检索系统包括：