(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 202211043682.5 (22)申请日 2022.08.29 (65)同一申请的已公布的文献号 申请公布号 CN 115131632 A (43)申请公布日 2022.09.30 (73)专利权人 北京师范大学 地址 100875 北京市海淀区新 街口外大街 19号 (72)发明人 吴昊　叶舟　 (74)专利代理 机构 成都鱼爪智云知识产权代理 有限公司 513 08 专利代理师 陈雄飞 (51)Int.Cl. G06F 16/53(2019.01) G06V 10/774(2022.01)G06V 10/74(2022.01) G06V 10/46(2022.01) G06N 20/10(2019.01) (56)对比文件 CN 111915589 A,2020.1 1.10 CN 110832596 A,2020.02.21 US 2020372350 A1,2020.1 1.26 审查员 庄湧 (54)发明名称 一种训练样本深度优化的低耗图像检索方 法及系统 (57)摘要 本发明提出了一种训练样本深度优化的低 耗图像检索方法及系统， 涉及图像检索的技术领 域。 检索预设数量的正负样本图像； 利用HC显著 性检测方法对样本图像进行检测， 若其显著性区 域面积低于整幅图像的第一预设比例， 进行删 除； 利用卷积核对样本图像进行处理， 并计算相 似度， 对相似度达到预设第一阈值的样本进行保 留； 利用SV M模型对训练样本进行训练； 将待检测 图片输入至检索决策模型； 当基于SVM模型计算 得分大于或等于第二预设阈值， 判定为目标类别 图像， 将其作为检索结果进行展示； 当计算得分 小于第二预设阈值， 判定为非目标类别图像， 进 行排除。 其能够减少了样本使用量， 降低了人力 和计算资源的消耗。 权利要求书2页 说明书7页 附图5页 CN 115131632 B 2022.11.04 CN 115131632 B 1.一种训练样本深度优化的低耗图像 检索方法， 其特 征在于， 包括： 从互联网公开的图像库中检索出 预设数量的正样本图像和负 样本图像； 利用HC显著性检测方法对任一所述样本图像进行检测， 若所述样本图像的显著性区域 面积低于整幅图像的第一预设比例， 将所述样本图像进行删除； 利用预设空洞率值的卷积核对样本图像进行处理， 并分别计算正样本之间的相似度和 负样本之间的相似度， 对相似度达 到预设第一阈值的样本进行保留， 得到训练样本； 利用SVM模型对所述训练样本进行训练， 得到检索决策模型； 将待检测图片输入至所述检索决策模型； 当基于SVM模型计算得分大于或等于第二预 设阈值， 将所述待检测图片判定为 目标类别图像， 将所述 目标类别图像作为检索结果进行 展示； 当基于SVM模型计算得分小于第二预设阈值， 将所述待检测图片判定为非目标类别图 像， 进行排除。 2.如权利要求1所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 利用 预设空洞率值的卷积核对样本图像进 行处理， 并分别计算正样本之 间的相似度和负样本之 间的相似度， 对相似度达 到预设第一阈值的样本进行保留， 得到训练样本的步骤 包括： 利用空洞率为1的卷积核对样本进行处理， 并分别计算正样本之间的相似度和负样本 之间的相似度， 对相似度达 到预设第一阈值的样本进行保留， 得到第一训练样本； 利用空洞率为2 的卷积核对所述第一训练样本进行处理， 并分别计算正样本之间的相 似度和负样本之间的相似度， 对相似度达到预设第一阈值的所述第一训练样本进行保留， 得到第二训练样本； 利用空洞率为3的卷积核对所述第二训练样本进行处理， 并分别计算正样本之间的相 似度和负样本之间的相似度， 对相似度达到预设第一阈值的所述第二训练样本进行保留， 得到最终的训练样本 。 3.如权利要求2所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 并分 别计算正样本之间的相似度和负 样本之间的相似度的步骤 包括： 分别对正样本和负 样本的样本图像进行深度自编码； 计算不同样本图像自编码后的欧式距离； 将欧氏距离计算结果在预设范围内的样本 图像， 认定为相似图像， 在所述相似图像中 选取任选一个进行保存。 4.如权利要求1所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 利用 HC显著性检测方法对任一所述样本图像进 行检测， 若 所述样本图像的显著 性区域面积低于 整幅图像的第一预设比例， 将所述样本图像进行删除的步骤 包括： 对所述样本图像进行量化颜色通道， 找出所述样本图像中颜色种类数量以及对应的像 素总数； 按照像素总数从大到小排序， 并同时记录相应颜色； 找出像素数目覆盖图像不小于第 二预设比例的高频颜色种类， 以及其他的不高于第 三 预设比例的低频颜色种类； 把低频颜色的像素归类到与其 LAB颜色空间中颜色距离相距最近的高频颜色内； 计算每一种颜色的显著值， 为图像 中每一个像素分配显著值， 生成显著图， 计算所述显权　利　要　求　书 1/2 页 2 CN 115131632 B 2著值大于预设显著 值阈值的像素在图像中的比例， 若 所述比例低于整幅图像的第一预设比 例， 将所述样本图像进行删除， 反 之继续下一 步。 5.如权利要求4所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 生成 显著图后的步骤 还包括： 对所述显著图进行归一 化处理以及进行线性空间滤波。 6.如权利要求4所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 对所 述样本图像进行量 化颜色通道的步骤 包括： 利用颜色空间缩 减算法对所述样本图像进行量 化颜色通道。 7.如权利要求4所述的一种训练样本深度优化的低 耗图像检索方法， 其特征在于， 所述 第一预设比例为 三分之一。 8.一种训练样本深度优化的低耗图像 检索系统， 其特 征在于， 包括： 采集模块， 用于从互联网公开的图像库中检索出预设数量的正样本图像和负样本图 像； 显著性检测模块， 用于利用HC显著性检测方法对任一所述样本图像进行检测， 若所述 样本图像的显著性区域 面积低于整幅图像的第一预设比例， 将所述样本图像进行删除； 样本处理模块， 用于利用预设空洞率值的卷积核对样本 图像进行处理， 并分别计算正 样本之间的相似度和负样本之间的相似度， 对相似度达到预设第一阈值的样本进行保留， 得到训练样本； 决策模型模块， 用于利用SVM模型对所述训练样本进行训练， 得到检索决策模型； 判断模块， 用于将待检测图片输入至所述检索决策模型； 当基于SVM模型计算得分大于 或等于第二预设阈值， 将所述待检测图片判定为 目标类别图像， 将所述 目标类别图像作为 检索结果进 行展示； 当基于SVM模 型计算得分小于第二预设阈值， 将所述待检测图片判定为 非目标类别图像， 进行排除。 9.一种电子设备， 其特征在于， 包括至少一个处理器、 至少一个存储器和数据总线； 其 中： 所述处理器与所述存储器通过所述数据总线完成相互间的通信； 所述存储器存储有可 被所述处理器执行 的程序指令， 所述处理器调用所述程序指令以执行如权利要求1 ‑7任一 所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115131632 B 3