(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211098261.2 (22)申请日 2022.09.08 (66)本国优先权数据 202210975954.9 202 2.08.15 CN (71)申请人 重庆中科云从科技有限公司 地址 401122 重庆市渝北区金开大道西段 106号5幢5层 (72)发明人 王达君　梁俊文　 (74)专利代理 机构 北京瀚仁知识产权代理事务 所(普通合伙) 11482 专利代理师 陈敏 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 基于域控制器的图像检索方法及计算机可 读存储介质 (57)摘要 本发明涉及图像检索技术领域， 具体提供一 种基于域控制器的图像检索方法及计算机可读 存储介质， 旨在解决现有图像检索方式存在检索 效率低的问题。 为此目的， 本发明提供的图像检 索方法包括： 根据目标检索图像集的聚类类别对 应的聚类中心总数量、 第一相似度单位计算时 长、 预设邻近子类数量、 每个聚类类别对应的标 准特征向量数量 以及第二相似度单位计算时长 将多个计算单元划分为第一计算单元和第二计 算单元； 根据聚类中心和预设邻近子类数量， 利 用第一计算单元计算待查询图像的邻近子类别； 根据邻近子类别对应的标准特征向量， 利用第二 计算单元确定待查询图像的检索结果。 该方法可 以提高计算资源的使用率并达到提高检索效率 的有益效果。 权利要求书3页 说明书8页 附图2页 CN 115375933 A 2022.11.22 CN 115375933 A 1.一种基于域控制器的图像检索方法， 所述域控制器包括多个计算单元， 其特征在于， 所述方法包括： 根据目标检索图像集的聚类类别对应的聚类中心总数量、 第一相似度单位计算时长、 预设邻近子类数量、 每个所述聚类类别对应的标准特征向量数量以及第二相似度单位计算 时长将所述多个 计算单元划分为第一计算单 元和第二计算单 元； 利用训练好的特征提取网络对待查询图像进行特征提取， 得到所述待查询图像的特征 向量； 利用所述第一计算单元计算所述待查询图像的特征向量和所述聚类类别对应的聚类 中心的第一相似度， 并根据所述第一相似度和所述预设邻近子类数量从所述聚类类别中确 定出所述待查询图像的邻近 子类别； 利用所述第二计算单元计算所述待查询图像的特征向量和所述邻近子类别对应的标 准特征向量的第二相似度， 并根据所述第二相似度得到所述待查询图像的检索结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据目标检索图像集的聚类类别对应 的聚类中心总数量、 第一相似度单位计算时长、 预设邻近子类数量、 每个所述聚类类别对应 的标准特征向量数量以及第二相似度单位计算时长将所述多个计算单元划分为第一计算 单元和第二计算单 元， 包括： 根据所述目标检索图像集的所述聚类类别对应的所述聚类中心总数量和所述第一相 似度单位计算时长， 确定第一计算资源量； 根据每个所述聚类类别对应的所述标准特征向量数量计算聚类类别平均标准特征向 量数量； 根据所述预设邻近子类数量、 所述聚类类别平均标准特征向量数量和所述第二相 似度单位计算时长， 确定第二计算资源量； 根据所述第一计算资源量和所述第二计算资源量将所述多个计算单元划分为所述第 一计算单 元和所述第二计算单 元。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 一计算资源量和所述第 二 计算资源量将所述多个 计算单元划分为所述第一计算单 元和所述第二计算单 元， 包括： 根据所述第一计算资源量和所述第二计算资源量的比值， 确定所述第一计算单元和/ 或所述第二计算单 元在所述多个 计算单元中的占比； 根据所述占比将所述多个 计算单元划分为所述第一计算单 元和所述第二计算单 元。 4.根据权利要求1所述的方法， 其特征在于， 所述域控制器还包括与每个计算单元对应 配置的局部存储器， 所述方法还包括预先将所述目标检索图像集的聚类信息存储至所述局 部存储器， 其中， 所述聚类信息包括所述聚类类别以及与所述聚类类别对应的所述聚类中 心和所述标准特 征向量； 利用所述第一计算单元计算所述待查询图像的特征向量和所述聚类类别对应的聚类 中心的第一相似度包括： 从与所述第一计算单元对应的所述局部存储器中读取所述 聚类中心， 并利用所述第 一 计算单元计算所述待查询图像的特 征向量和所述聚类中心的第一相似度。 5.根据权利要求1至4中任意一项所述的方法， 其特征在于， 所述根据所述第一相似度 和所述预设邻近 子类数量从所述聚类 类别中确定出 所述待查询图像的邻近 子类别， 包括： 从所述第一计算单元中读取所述第一相似度， 将所述第一相似度由小到大进行排序；权　利　要　求　书 1/3 页 2 CN 115375933 A 2根据与排序靠前的所述预设邻近子类数量的所述第一相似度对应的所述聚类中心确定所 述待查询图像的所述邻近 子类别； 和/或， 所述根据所述第二相似度得到所述待查询图像的检索结果， 包括： 从所述第二计算单 元中读取 所述第二相似度， 将所述第二相似度由小到大进行排序； 根据与排序靠前的预设邻近特征数量的所述第二相似度对应的所述标准特征向量得 到所述待查询图像的检索结果。 6.根据权利要求1所述的方法， 其特征在于， 所述目标检索图像集包括至少一个检索图 像， 所述方法还 包括： 针对每个所述检索图像， 利用训练好的所述特征提取网络对所述检索图像进行特征提 取， 得到初始的所述标准特征向量； 初始的所述标准特征向量包括主要维度的特征值和次 要维度的特 征值； 对所述次要维度的特征值进行二值化， 基于所述主要维度的特征值和所述 次要维度二 值化后的特 征值得到调整后的所述标准特 征向量； 基于调整后的所述标准特征向量对所述目标检索图像集进行聚类， 以得到所述目标检 索图像集的聚类信息， 所述聚类信息包括所述聚类类别以及与所述聚类类别对应的所述聚 类中心和所述标准特 征向量。 7.根据权利要求6所述的方法， 其特征在于， 得到所述目标检索图像集的聚类信息之 后， 所述方法还 包括对所述聚类信息进行哈希存 储。 8.根据权利要求1或6所述的方法， 其特征在于， 所述方法还包括通过以下步骤得到训 练好的所述特 征提取网络： 获取检索图像样本集， 所述检索图像样本集包括检索图像训练样本子集和检索图像测 试样本子集； 利用所述检索图像训练样本子集对待训练 的所述特征提取网络进行训练， 得到初始的 特征提取网络； 其中， 所述特征提取网络包括特征提取层和权重配置层， 所述特征提取层用 于对所述检索图像训练样本子集中的每个检索图像训练样本进行特征提取， 得到所述检索 图像训练样本的初始特征向量， 所述初始特征向量包括主要维度的特征值和次要维度的特 征值； 所述权重配置层用于为所述次要维度配置权重， 以根据所述次要维度的特征值和所 述权重的乘积以及所述主要维度的特征值得到最终的特征向量； 其中， 所有所述次要维度 的权重之和小于预设阈值； 利用所述检索图像测试样本子集对所述初始的特征提取网络进行训练， 得到所述检索 图像测试样本子集中每个检索图像测试样本的测试结果并根据所述测试结果对所述初始 的特征提取网络中所述特征提取层的网络参数和所述权重配置层的权重进 行调整， 以得到 训练好的所述特 征提取网络 。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 所述计算机程序被处理器执行时实现权利要求 1至8中任意一项 所述的基于域控制器 的图像检索方法。 10.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机程 序， 所述计算机程序被所述处理器执行时实现权利要求 1至8中任意一项 所述的基于域控制权　利　要　求　书 2/3 页 3 CN 115375933 A 3