0023]使用深度學習方法提取圖像特征，如卷積神經網絡（CNN)，通過深度學習方法提取 圖像特征W實現所提取圖像特征的可靠性和準確度。
[0024] 如圖3所示，對于圖像集合中的每一個圖像，提取1000個特性，并且每個特征代 表一個圖像的特定方面，運1000個特征的范圍為0到1。其中，無論圖像的大小或內容，一 個固定大小1000個數字永遠用來表示圖。因此，100萬行數據能代表100萬圖像的集合； 在每一行包含一個包含1000個數字特征向量。 陽02引 似儲存所述圖像特征，建立圖像知識庫。
[00%] 如圖4所示，圖像特征的儲存是通過局部敏感哈希算法（LSHF)，將同類型的圖像 放入同一個儲存單元，運意味運只有屬于同一儲存單元的圖像才會被檢查，W取代集合中 的所有項目，W便快速訪問和比較，提高查詢效率。
[0027]使用W下參數建立了一個所有圖像集合的LSHF:估計器數量=100;半徑=1.0; 入選數量=100 ;鄰居數量=10 ;最低哈希匹配=5 ;截止半徑比率=0. 9。
[0028] 運一步完成后，最終的結果是我們所有的圖像，每個圖像有1000個數字特征向 量，使用LSHF存儲，LSHF方法查詢速度更快。
[0029] (3)解析由客戶端給出的目標圖像的內容，得到目標圖像特征。
[0030] 具體為，根據視覺特征，解析所提供的目標圖像內容，使用深度學習方法提取圖像 特征，同圖像集合中圖像特征提取方法相同，提取每個樣品的1000個特征。
[0031] (4)根據所述目標圖像特征，在圖像知識庫中尋找相似圖像。 陽03引如圖5所示，利用余弦相似度算法查詢出相似圖像。
[0033] 對于提供的目標圖像，利用余弦相似度算法查詢圖像集合中由1000個圖像特征 確定的每個圖像，任何數量視覺相似圖像的LSHF，由高到低排序，數學上可W表示為：
在上述公式中，X是目標圖像的特征向量，y是圖像集合中圖像的特征向量。
[0034] 經比較，余弦相似度的值越大意味著兩個圖像越視覺相似，為0時，表示運兩個圖 像完全不相關。
[0035] (5)返回相似圖像至用戶數據庫，將返回的相似圖像與數據庫中相關圖片集聯合。
[0036] 基于相同的發明構思，如圖6所示，本發明還提供了一種自動的圖片訓練樣本提 取的系統，包括： 圖像集合解析模塊：解析圖像集合所有圖像內容，得到圖像集合的所有圖像特征；圖 像知識庫：用來存儲所述圖像集合的圖像特征，建立圖像知識庫；目標圖像解析模塊：用于 接收客戶端給出的目標圖像，并解析目標圖像，得到目標圖像特征；圖像查詢模塊：根據目 標圖像特征，在圖像知識庫中尋找相似圖像；圖像輸出模塊：將相似圖像返回客戶端。
[0037] 其中，圖像集合解析模塊輸入端口連接外部客戶端，圖像集合解析模塊輸出端口 連接圖像知識庫輸入端口；目標圖像解析模塊輸入端口連接外部客戶端；目標圖像解析模 塊輸出端口連接至圖像查詢模塊輸入端口；圖像查詢模塊輸入端口還連接有圖像知識庫的 輸出端口，圖像查詢模塊輸出端口與圖像輸出模塊輸入端口相連接，圖像輸出模塊輸出端 口與外部客戶端相連。
[003引W上顯示和描述了本發明的基本原理和主要特征和本發明的優點。本行業的技術 人員應該了解，本發明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發明的原理，在不脫離本發明精神和范圍的前提下，本發明還會有各種變化和改進，運些變 化和改進都落入要求保護的本發明范圍內。本實發明要求保護范圍由所附的權利要求書及 其等效物界定。
【主權項】
1. 一種自動的圖片訓練樣本提取方法，其特征在于，包括以下幾個步驟： (1) 解析圖像集合中所有圖像內容，得到圖像集合的所有圖像特征； (2) 儲存所述圖像特征，建立圖像知識庫； (3 )解析由客戶端給出的目標圖像的內容，得到目標圖像特征； (4) 根據所述目標圖像特征，在圖像知識庫中尋找相似圖像； (5) 返回相似圖像至用戶數據庫； 其中，基于圖像視覺特征利用深度學習方法提取圖像特征。2. 根據權利要求1所述的一種自動的圖片訓練樣本提取方法，其特征在于，所述深度 學習方法提取圖像特征，具體為，對于圖像集合中的每一個圖像，提取1000個特征，并且每 個特征代表一個圖像的特定方面。3. 根據權利要求1所述的一種自動的圖片訓練樣本提取方法，其特征在于，所述1000 個特征的范圍為〇到1。4. 根據權利要求1所述的一種自動的圖片訓練樣本提取方法，其特征在于，所述步驟 (2)中圖像特征的存儲，是通過局部敏感哈希算法，將同類型的圖像放入圖像知識庫中同一 個儲存單元。5. 根據權利要求4所述的一種自動的圖片訓練樣本提取方法，其特征在于，使用局部 敏感哈希算法，存儲每個圖像1000個數字特征向量。6. 根據權利要求1所述的一種自動的圖片訓練樣本提取方法，其特征在于，所述步驟 (3 )具體為，根據視覺特征，解析所提供的目標圖像內容，使用深度學習方法提取圖像特征。7. 根據權利要求1所述的一種自動的圖片訓練樣本提取方法，其特征在于，所述步驟 (4)具體為，利用余弦相似度算法尋找出相似圖像。8. -種自動的圖片訓練樣本提取的系統，其特征在于，包括： 圖像集合解析模塊：解析圖像集合所有圖像內容，得到圖像集合的所有圖像特征； 圖像知識庫：用來存儲所述的圖像集合的圖像特征，建立圖像知識庫； 目標圖像解析模塊：用于接收客戶端給出的目標圖像，并解析目標圖像，得到目標圖像 特征； 圖像查詢模塊：根據目標圖像特征，在圖像知識庫中尋找相似圖像； 圖像輸出模塊：將相似圖像返回客戶端用戶數據庫； 其中，圖像集合解析模塊輸入端口連接外部客戶端，圖像集合解析模塊輸出端口連接 圖像知識庫輸入端口；目標圖像解析模塊輸入端口連接外部客戶端；目標圖像解析模塊輸 出端口連接至圖像查詢模塊輸入端口；圖像查詢模塊輸入端口還連接有圖像知識庫的輸出 端口，圖像查詢模塊輸出端口與圖像輸出模塊輸入端口相連接，圖像輸出模塊輸出端口與 外部客戶端相連。
【專利摘要】本發明公開了一種自動的圖片訓練樣本提取方法及系統，解析圖像集合中所有圖像內容，得到圖像集合的所有圖像特征；儲存所述圖像特征，建立圖像知識庫；解析由客戶端給出的目標圖像的內容，得到目標圖像特征；根據所述目標圖像特征，在圖像知識庫中尋找相似圖像；返回相似圖像至用戶數據庫。其中，基于圖像視覺特征利用深度學習方法提取圖像特征。本發明能夠自動檢索任何圖像集合中所需標記的圖像，能夠實現大量圖片的訓練及樣本提取，且檢索速度快、成本效益高。
【IPC分類】G06F17/30
【公開號】CN105183857
【申請號】CN201510570699
【發明人】張一文
【申請人】成都品果科技有限公司
【公開日】2015年12月23日
【申請日】2015年9月10日