[发明专利]图像检索方法、电子设备及相关产品

权利要求书

1.一种图像检索方法，其特征在于，应用于电子设备，所述方法包括：

获取目标图像中的目标区域；

在所述目标区域为感兴趣区域时，根据所述感兴趣区域所在目标对象所在的索引确定第一全局描述符，并依据所述第一全局描述符进行搜索，得到第一搜索结果集，所述第一搜索结果集包括N个参考对象，所述N为正整数；

对所述N个参考对象中每一参考对象进行特征提取，以获取关键点局部特征，并聚合得到与查询对象感兴趣区域对应的N个第一区域聚合局部特征；

获取所述感兴趣区域的参考关键点局部特征，并将所述参考关键点局部特征聚合成固定长度的第二区域聚合局部特征；

将所述第二区域聚合局部特征与所述N个第一区域聚合局部特征进行比对，以根据区域重叠面积加权相似度得到比对结果，并基于所述比对结果确定K个参考对象，将所述K个参考对象作为第二搜索结果，所述N个参考对象包括所述K个参考对象。

2.根据权利要求1所述的方法，其特征在于，所述对所述N个参考对象中每一参考对象进行特征提取，得到N个关键点局部特征，包括：

获取参考对象a的特征图，所述参考对象a为所述N个参考对象中的任一参考对象；

获取所述特征图经过通道平均缩减后的第一特征，获取所述特征图经过全局平均池化后的第二特征，以及获取所述特征图在预设范围内的邻域特征的L2距离；

确定所述第一特征和所述第二特征的标准差；

依据所述标准差和所述邻域特征的L2距离进行加权运算，得到第一运算结果；

基于所述第一运算结果结合阈值选择所述参考对象a的关键点局部特征。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述参考关键点局部特征聚合成固定长度的第二区域聚合局部特征，包括：

获取所述参考关键点局部特征对应的局部聚合描述符矩阵；

获取所述目标区域的特征向量，并将所述特征向量划分为c段；

从所述参考关键点局部特征中获取b个关键点特征；

遍历所述b个关键点特征中的每一关键点特征，确定所述c段中每一段向量的聚类中心，获取每一聚类中心最近的聚类中心向量；

依据所述聚类中心向量以及与其对应的子段向量，确定残差向量；

将所述残差向量累加到与该残差向量对应的局部聚合描述符矩阵分段位置处，并记录其对应的聚类中心对应的累加次数；

基于累加后的所述局部聚合描述符矩阵以及所述累加次数，确定平均结果矩阵；

依据所述平均结果矩阵确定所述第二区域聚合局部特征。

4.根据权利要求1或2所述的方法，其特征在于，所述基于所述比对结果确定K个参考对象，将所述K个参考对象作为第二搜索结果，包括：

基于所述比对结果得到确定K个参考对象的图像索引；

基于所述图像索引进行可学习重排序校验；

在校验结果为一致时，直接将所述K个参考对象作为所述第二搜索结果；

在校验结果为不一致时，对所述K个参考对象进行重排，将重排后的所述K个参考对象作为所述第二搜索结果。

5.根据权利要求4所述的方法，其特征在于，所述对所述K个参考对象进行重排，包括：

将待查询特征以及对应的所述K个参考对象对应的特征输入到预设可学习重排序模型，得到新的扩展查询特征，所述预设可学习重排序模型为获取所有训练集的区域聚局部特征进行检索，以获取X个查询特征以及对应的X个检索结果，将每个查询特征以及检索结果进行排序编码后，送入堆叠自注意力编码模型，得到扩展查询特征，并利用该扩展查询特征以及指定损失函数迭代优化所述堆叠自注意力编码模型的模型参数而得到，所述X为正整数；

基于所述新的扩展查询特征进行搜索，得到重排后的所述K个参考对象。

6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

在所述目标区域为目标对象时，确定所述目标对象的第二全局特征描述符；

依据所述第二全局特征描述符进行搜索，得到第三检索结果。