(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210575796.8 (22)申请日 2022.05.25 (65)同一申请的已公布的文献号 申请公布号 CN 114676279 A (43)申请公布日 2022.06.28 (73)专利权人 腾讯科技 （深圳） 有限公司 地址 518000 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 郭卉　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 专利代理师 高天华　胡春光 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/55(2019.01) G06F 16/51(2019.01) G06K 9/62(2022.01) G06V 10/74(2022.01)(56)对比文件 CN 113190699 A,2021.07.3 0 CN 114299306 A,2022.04.08 CN 110083732 A,2019.08.02 CN 113806582 A,2021.12.17 CN 103699612 A,2014.04.02 CN 112966137 A,2021.0 6.15 JP 201213 3516 A,2012.07.12 US 2018210896 A1,2018.07.26 CN 113569626 A,2021.10.2 9 房玉志.“基于在线学习型哈希的图像 检索 方法研究 ”. 《中国博士学位 论文全文数据库 (信 息科技辑)》 .202 2, 陈刚.“面向大规模图像 检索的深度哈希方 法研究”. 《中国博士学位 论文全文数据库 (信息 科技辑)》 .2021, Daguang Jiang 等. “Second order-based image retrieval algorithm ”. 《 2016 IE EE Internati onal Conference o n Signal and Image Proces sing (ICSIP)》 .2017, 审查员 胡熠寒 (54)发明名称 图像检索方法、 装置、 设备及计算机可读存 储介质 (57)摘要 本申请提供了一种图像检索方法、 装置、 设 备及可读存储介质； 本申请实施例可应用于云技 术、 人工智能、 智慧交通、 辅助驾驶等各种场景； 方法包括： 响应于针对待检索图像的图像检索请 求， 获取待检索图像的哈希特征； 基于哈希特征， 从至少两个聚类簇中确定待检索图像的哈希特 征对应的目标聚类簇； 其中， 至少两个聚类簇， 通 过对图像库中的多个图像进行聚类得到； 获取目 标聚类簇中各图像的排序信息， 并基于排序信息 对目标聚类簇中的图像进行排序， 得到图像序 列； 排序信息包括以下至少之一： 图像和待检索 图像的图像相似度信息、 图像归属的类别信息；基于图像序列， 确定针对待检索图像的图像检索 结果。 通过本申请， 能够提高图像检索的效率和 准确性。 权利要求书4页 说明书23页 附图10页 CN 114676279 B 2022.09.02 CN 114676279 B 1.一种图像 检索方法， 其特 征在于， 所述方法包括： 响应于针对待检索图像的图像检索请求， 获取所述待检索图像的浮点特征， 并对所述 待检索图像的浮点特征进 行量化处理得到所述待检索图像的哈希特征， 浮点特征为采用浮 点数据表示的图像特 征； 基于哈希特征， 从至少两个聚类簇中确定所述待检索图像的哈希特征对应的目标聚类 簇； 其中， 所述至少两个聚类簇， 通过对图像库中的多个图像进行聚类得到； 获取所述目标聚类簇中的各图像的浮点特征， 并基于各所述图像的浮点特征， 确定各 所述图像归属的类别 信息、 及各 所述图像与所述待检索图像的图像相似度信息； 基于所述图像相似度信息， 对各 所述图像进行排序， 得到基础图像序列； 基于所述图像归属的类别信息， 对所述基础图像序列中的各图像的排序进行调整， 得 到图像序列； 其中， 所述图像归属的类别 信息用于指示所述图像归属各图像 类别的概 率； 基于所述图像序列， 确定针对所述待检索图像的图像 检索结果。 2.如权利要求1所述的方法， 其特征在于， 每个所述聚类簇对应一个参考哈希特征， 所 述从至少两个聚类簇中确定所述待检索图像的哈希特 征对应的目标聚类簇， 包括： 分别确定所述待检索图像的哈希特征与各所述聚类簇对应的参考哈希特征之间的汉 明距离； 获取与所述哈希特征的汉明距离最小的参考哈希特征所对应的簇 中心， 作为目标簇中 心； 从至少两个聚类簇 中确定所述目标簇 中心对应的聚类簇， 作为所述待检索图像的哈希 特征对应的目标聚类簇 。 3.如权利要求1所述的方法， 其特征在于， 在所述基于所述图像归属的类别信息， 对所 述基础图像序列中的各图像的排序进行调整， 得到图像序列之后， 所述方法还 包括： 获取所述目标聚类簇中的各图像的哈希特 征； 确定所述待检索图像的哈希特 征与各所述图像的哈希特 征之间的欧式距离； 基于所述欧式距离， 从所述目标聚类簇包括的各图像中选取目标数量的图像， 得到候 选图像序列； 所述基于所述图像序列， 确定针对所述待检索图像的图像 检索结果， 包括： 基于所述 候选图像序列， 确定针对所述待检索图像的图像 检索结果。 4.如权利要求1所述的方法， 其特征在于， 所述基于各所述图像的浮点特征， 确定各所 述图像与所述待检索图像的图像相似度信息， 包括： 根据所述待检索图像的浮点特征与 各所述图像的浮点特征的欧式距离， 确定所述图像 和所述待检索图像的图像相似度信息； 所述基于所述图像相似度信息， 对各 所述图像进行排序， 得到基础图像序列， 包括： 基于所述图像和所述待检索图像的图像相似度信 息， 对所述目标聚类簇 中的图像进行 排序， 得到基础图像序列。 5.如权利要求1所述的方法， 其特征在于， 所述基于所述图像归属的类别信息， 对所述 基础图像序列中的图像进行调整， 得到图像序列， 包括：权　利　要　求　书 1/4 页 2 CN 114676279 B 2对所述待检索图像进行图像分类， 得到所述待检索图像的目标图像 类别； 基于所述目标图像类别及所述图像归属的类别信 息， 确定所述基础图像序列中图像的 类别优先级； 基于所述图像归属的类别信息、 以及所述基础图像序列中图像的类别优先级， 对所述 基础图像序列中的图像进行调整， 得到图像序列。 6.如权利要求1所述的方法， 其特征在于， 所述图像检索方法基于 图像检索模型实现， 所述图像 检索模型包括特 征提取层、 哈希索引层、 图像排序层 及信息输出层； 所述获取所述待检索图像的哈希特征， 包括： 通过所述特征提取层， 获取所述待检索图 像的哈希特 征； 所述从至少两个聚类簇中确定所述待检索图像的哈希特征对应的目标聚类簇， 包括： 通过所述哈希索引 层， 基于所述哈希特征， 从至少 两个聚类簇中确定所述待检索图像的哈 希特征对应的目标聚类簇， 所述至少 两个聚类簇， 通过对图像库中的多个图像进行聚类得 到； 所述获取所述目标聚类簇 中的各图像的排序信 息， 并基于所述排序信 息对所述目标聚 类簇中的图像进行排序， 得到图像序列， 包括： 通过所述图像排序层， 获取所述目标聚类簇中的各图像的浮点特征， 并通过所述图像 排序层， 基于各所述图像的浮点特征， 确定各所述图像归属的类别信息、 及各所述图像与待 检索图像的图像相似度信息， 基于所述图像相似度信息， 对各所述图像进 行排序， 得到基础 图像序列； 基于所述图像归属的类别信息， 对所述基础图像序列中的各图像的排序进行调 整， 得到图像序列， 所述图像归属的类别 信息用于指示所述图像归属各图像 类别的概 率； 所述确定针对所述待检索图像的图像检索结果， 包括： 通过所述信 息输出层， 基于所述 图像序列， 确定针对所述待检索图像的图像 检索结果。 7.如权利要求6所述的方法， 其特征在于， 所述特征提取层包括特征提取子层和哈希量 化子层， 所述 通过所述特征提取层， 获取 所述待检索图像的哈希特 征， 包括： 通过所述特征提取子层， 对所述待检索图像进行特征提取， 得到所述待检索图像的浮 点特征， 所述浮点特征为， 采用浮 点数据表示的图像特 征； 通过所述哈希量化子层， 对所述浮点特征进行量化处理， 得到所述待检索图像的哈希 特征。 8.如权利要求6所述的方法， 其特征在于， 所述排序信息包括所述图像归属的类别信 息， 所述图像排序层包括第一分类层、 第二分类层、 类别对比层 及结果排序层， 所述通过所述图像排序层， 基于所述图像归属的类别信息， 对所述基础图像序列中的 图像进行调整， 得到图像序列， 包括： 通过所述第一分类层， 获取 所述目标聚类簇中各图像归属的类别 信息； 通过所述第二分类层， 对所述待检索图像的基础图像特征进行类别预测， 得到所述待 检索图像对应的目标图像 类别； 通过所述类别对比层， 基于所述目标图像类别及所述图像归属的类别信息， 确定所述 基础图像序列中的图像的类别优先级； 通过所述结果排序层， 基于所述类别优先级以及所述图像归属的类别信息， 对所述基 础图像序列中的各图像进行排序， 得到图像序列。权　利　要　求　书 2/4 页 3 CN 114676279 B 3