CN111753111A - 图片搜索方法和装置 - Google Patents
图片搜索方法和装置 Download PDFInfo
- Publication number
- CN111753111A CN111753111A CN201910284715.7A CN201910284715A CN111753111A CN 111753111 A CN111753111 A CN 111753111A CN 201910284715 A CN201910284715 A CN 201910284715A CN 111753111 A CN111753111 A CN 111753111A
- Authority
- CN
- China
- Prior art keywords
- picture
- group
- cluster
- pictures
- pushed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000875 corresponding Effects 0.000 claims description 53
- 238000009825 accumulation Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 239000000047 product Substances 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 239000006227 byproduct Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001537 neural Effects 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本申请实施例公开了图片搜索方法和装置。该方法的一具体实施方式包括:基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识;基于搜索用图片与该至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片;生成包括所确定的待推送图片的搜索结果。该实施方式通过引入倒排链表技术,可以节约图片搜索时间,提升图片搜索效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及图片搜索方法和装置。
背景技术
随着互联网技术的飞速发展,现在不仅可以进行文本搜索,而且还可以进行图片搜索。例如,搜索系统在获得用户上传的搜索用图片后,可以对该搜索用图片与数据库中的各张图片分别进行相似度计算,而后根据相似度计算的结果,从该各张图片中选取至少一张图片作为搜索结果返回给用户。
发明内容
本申请实施例提出了图片搜索方法和装置。
第一方面,本申请实施例提供了一种图片搜索方法,该方法包括:基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识;基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片;生成包括所确定的待推送图片的搜索结果。
在一些实施例中,图片组还关联第一类簇,该第一类簇包括该图片组中的各张图片分别对应的图片特征向量;以及基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,包括:获取搜索用图片对应的第一图片特征向量;确定图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离;基于所确定的距离,从图片组集合中选取至少一个图片组。
在一些实施例中,基于所确定的距离,从图片组集合中选取至少一个图片组,包括:从图片组集合中选取第一预设数目个所关联的第一类簇的中心点与第一图片特征向量之间的距离最小的图片组。
在一些实施例中,基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片,包括:对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,确定该类簇的中心点与第一图片特征向量之间的距离;遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作;基于图片集合中的各张图片所对应的经距离累加操作所得的距离,从图片集合中选取至少一张图片作为待推送图片。
在一些实施例中,基于图片集合中的各张图片所对应的经距离累加操作所得的距离,从图片集合中选取至少一张图片作为待推送图片,包括:从图片集合中选取第二预设数目张所对应的经距离累加操作所得的距离最小的图片作为待推送图片。
在一些实施例中,生成包括所确定的待推送图片的搜索结果,包括:确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离;按照距离由小到大的顺序对所确定的各个待推送图片进行排序,得到待推送图片序列;生成包括待推送图片序列的搜索结果。
在一些实施例中,上述方法还包括:将搜索结果返回给用户所使用的终端设备。
第二方面,本申请实施例提供了一种图片搜索装置,该装置包括:第一选取单元,被配置成基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识;第二选取单元,被配置成基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片;生成单元,被配置成生成包括所确定的待推送图片的搜索结果。
在一些实施例中,图片组还关联第一类簇,该第一类簇包括该图片组中的各张图片分别对应的图片特征向量;以及第一选取单元包括:获取子单元,被配置成获取搜索用图片对应的第一图片特征向量;确定子单元,被配置成确定图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离;第一选取子单元,被配置成基于所确定的距离,从图片组集合中选取至少一个图片组。
在一些实施例中,第一选取子单元进一步被配置成:从图片组集合中选取第一预设数目个所关联的第一类簇的中心点与第一图片特征向量之间的距离最小的图片组。
在一些实施例中,第二选取单元包括:距离累加子单元,被配置成对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,确定该类簇的中心点与第一图片特征向量之间的距离;遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作;第二选取子单元,被配置成基于图片集合中的各张图片所对应的经距离累加操作所得的距离,从图片集合中选取至少一张图片作为待推送图片。
在一些实施例中,第二选取子单元进一步被配置成:从图片集合中选取第二预设数目张所对应的经距离累加操作所得的距离最小的图片作为待推送图片。
在一些实施例中,生成单元进一步被配置成:确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离;按照距离由小到大的顺序对所确定的各个待推送图片进行排序,得到待推送图片序列;生成包括待推送图片序列的搜索结果。
在一些实施例中,上述装置还包括:发送单元,被配置成将搜索结果返回给用户所使用的终端设备。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的图片搜索方法和装置,先基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识,而后基于搜索用图片与该至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片,以便生成包括所确定的待推送图片的搜索结果。本申请的上述实施例提供的方案通过引入倒排链表技术,可以快速地确定出该图片集合中的每张图片与搜索用图片之间的匹配关系,因而可以快速地确定出与搜索用图片相似的图片(如所确定的待推送图片),也因此可以节约图片搜索时间,提升图片搜索效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一些实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的图片搜索方法的一个实施例的流程图;
图3是根据本申请的图片搜索方法的一个应用场景的示意图;
图4是根据本申请的图片搜索方法的又一个实施例的流程图;
图5是根据本申请的图片搜索装置的一个实施例的结构示意图;
图6是适于用来实现本申请的一些实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的图片搜索方法或图片搜索装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、信息搜索应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如用于进行图片搜索的图片搜索服务器,该图片搜索服务器可以接收用户通过终端设备101、102、103上传的搜索用图片,而后基于该搜索用图片进行相应的搜索操作,并将搜索结果返回给终端设备。
需要说明的是,本申请的一些实施例提供的图片搜索方法一般由服务器105执行,相应地,图片搜索装置一般设置于服务器105中。
需要指出的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本申请的图片搜索方法的一个实施例的流程200。该图片搜索方法的流程200,包括以下步骤:
步骤201,基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组。
在本实施例中,图片搜索方法的执行主体可以是服务器(例如图1所示的服务器105)。服务器可以实时地接收用户通过终端设备(例如图1所示的终端设备101、102、103)上传的搜索用图片,而后基于搜索用图片,从预设的图片组集合中选取至少一个图片组。其中,图片组集合中的每个图片组可以关联经乘积量化后所得的类簇组集合。该类簇组集合中的每个类簇组所包括的每个类簇可以关联倒排链表。该倒排链表可以包括该图片组中的、与该类簇有关的图片的图片标识。
需要说明的是,图片组集合可以存储在服务器本地,也可以存储在服务器所连接的图片存储用设备中,在此不做具体限定。另外,图片组集合可以是通过聚类算法(如K-means聚类算法等)对图片库中的各张图片进行聚类得到的。其中,K可以表示类别数,means可以表示均值。K-means是一种通过均值对数据点进行聚类的算法。
对于图片组集合中的每个图片组所关联的类簇组集合,该类簇组集合可以是通过乘积量化(Product Quantization,PQ)算法对该图片组中的各张图片进行乘积量化得到的。其中,乘积量化算法为的是加快图像的检索速度,所以它是一种检索算法,是在矢量量化(Vector Quantization,VQ)的基础上发展而来。
具体地,对于图片组集合中的每个图片组,该图片组中的每张图片可以对应图片特征向量。图片特征向量可以用于表征其所对应的图片。在对该图片组中的各张图片进行乘积量化时,可以先将该各张图片所对应的图片特征向量所在的向量空间划分成多个子空间。而后,可以基于该多个子空间,将该各张图片所对应的图片特征向量划分成多个子特征向量。接着,对于该多个子空间中的每个子空间,可以通过聚类算法对划分出的归属于该子空间的子特征向量进行聚类,从而得到与该子空间对应的类簇组。然后,可以将与该多个子空间分别对应的类簇组生成与该图片组对应的类簇组集合。
对于类簇组集合中的每个类簇组所包括的每个类簇所关联的倒排链表,该倒排链表可以是由该类簇所包括的各个子特征向量分别归属的图片的图片标识形成的。另外,该类簇还可以对应中心点。该中心点例如可以是该类簇所包括的各个子特征向量的平均值。
在本实施例中,服务器可以采用各种选取方法,基于用户上传的搜索用图片,从图片组集合中选取至少一个图片组。作为示例,图片组集合中的每个图片组可以对应图片类别。服务器可以采用各种分析方法,对搜索用图片进行内容解析,并基于解析结果判断搜索用图片所归属的图片类别。而后,服务器可以从图片组集合中选取与搜索用图片对应相同图片类别的图片组。
可选地,图片组集合中的每个图片组还可以关联第一类簇。该第一类簇可以包括该图片组中的各张图片分别对应的图片特征向量。另外,该第一类簇可以对应中心点,该中心点例如可以是该第一类簇中的各个图片特征向量的平均值。为了提高从图片组集合中选取出的图片组的有效性,服务器可以采用以下选取方式:获取搜索用图片对应的第一图片特征向量;确定图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离;基于所确定的距离,从图片组集合中选取至少一个图片组。例如,从图片组集合中选取第一预设数目(例如1、2或3等)个所关联的第一类簇的中心点与第一图片特征向量之间的距离最小的图片组。这里,第一预设数目是可以根据实际需要设置的,在此不做具体限定。
需要说明的是,服务器可以采用各种图片特征提取算法(如卷积神经网络、局部二值模式算法等等),对搜索用图片进行特征提取,将提取出的特征生成与搜索用图片对应的第一图片特征向量。另外,服务器可以采用各种距离度量方法(如欧氏距离、曼哈顿距离、明氏距离等),确定第一类簇的中心点与第一图片特征向量之间的距离。
需要指出的是,两个向量之间的距离越大,可以表征这两个向量之间的相似度越低。两个向量之间的距离越小,可以表征这两个向量之间的相似度越高。
步骤202,基于搜索用图片与至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片。
在本实施例中,服务器可以基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片。
作为示例,服务器可以基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,确定上述图片集合中的每张图片与搜索用图片在空间上存在的距离。其中,该距离可以用于衡量该图片与搜索用图片之间的相似度。而后服务器可以基于所确定的距离,从上述图片集合中选取至少一张图片作为待推送图片。
具体地,对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,服务器可以采用以上已描述的距离度量方法,确定该类簇的中心点与第一图片特征向量之间的距离。而后,对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,服务器可以遍历该类簇所关联的倒排链表,同时读取在之前确定的该类簇的中心点与第一图片特征向量之间的距离。在遍历到该倒排链表中的每个图片标识时,服务器可以基于该距离对该图片标识所指示的图片进行距离累加操作。然后,服务器可以基于上述图片集合中的各张图片所对应的经距离累加操作所得的距离,从上述图片集合中选取至少一张图片作为待推送图片。例如,从上述图片集合中选取第二预设数目(例如50、100或200等)张所对应的经距离累加操作所得的距离最小的图片作为待推送图片。这里,第二预设数目是可以根据实际需要设置的,在此不做具体限定。
需要指出的是,上述图片集合中的每张图片所对应的经距离累加操作所得的距离,可以是该图片与搜索用图片在空间上存在的距离。实际上,上述图片集合中的每张图片所对应的经距离累加操作所得的距离,是该图片对应的图片特征向量所对应的各个子特征向量分别归属的类簇所对应的距离(该类簇的中心点与第一图片特征向量之间的距离)的总和。
需要说明的是,通过引用倒排链表技术,可以避免在确定用于度量上述图片集合中的各张图片与搜索用图片之间的相似度的距离时,重复读取同一个类簇的中心点与第一图片特征向量之间的距离。这样,可以有效地节约在图片搜索过程中所耗费的时间,也因此,可以有效地节约用户的等待时间,提升用户体验。
步骤203,生成包括所确定的待推送图片的搜索结果。
在本实施例中,服务器可以生成包括所确定的待推送图片的搜索结果。作为示例,服务器可以先对所确定的各张待推送图片进行排序,得到待推送图片序列。例如,服务器可以基于该各张待推送图片所对应的经距离累加操作所得的距离由小到大的顺序,对该各张待推送图片进行排序。而后,服务器可以生成包括该待推送图片序列的搜索结果。
在本实施例的一些可选的实现方式中,服务器还可以通过有线连接方式或者无线连接方式将搜索结果返回给用户所使用的终端设备。
继续参见图3,图3是根据本实施例的图片搜索方法的应用场景的一个示意图。在图3的应用场景中,用户可以通过终端设备将搜索用图片A发送至图片搜索服务器,如标号301所示。其中,图片搜索服务器本地可以存储有图片组集合。图片组集合中的每个图片组可以关联经乘积量化后所得的类簇组集合。该类簇组集合中的每个类簇组所包括的每个类簇可以关联倒排链表。该倒排链表可以包括该图片组中的、与该类簇有关的图片的图片标识。图片搜索服务器在接收到搜索用图片A之后,可以如标号302所示,基于搜索用图片A,从图片组集合中选取至少一个图片组。而后,如标号303所示,图片搜索服务器可以基于搜索用图片A与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,确定该各个图片组中的图片所形成的图片集合中的每张图片与搜索用图片A在空间上存在的距离。接着,如标号304所示,图片搜索服务器可以基于所确定的距离由小到大的顺序,从图片集合中选取至少一张图片作为待推送图片。然后,如标号305所示,图片搜索服务器可以生成包括所确定的待推送图片的搜索结果。最后,如标号306所示,图片搜索服务器可以将搜索结果返回给终端设备。
本申请的上述实施例提供的方法,先基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识,而后基于搜索用图片与该至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片,以便生成包括所确定的待推送图片的搜索结果。本申请的上述实施例提供的方案通过引入倒排链表技术,可以快速地确定出该图片集合中的每张图片与搜索用图片之间的匹配关系,因而可以快速地确定出与搜索用图片相似的图片(如所确定的待推送图片),也因此可以节约图片搜索时间,提升图片搜索效率。
进一步参考图4,其示出了图片搜索方法的又一个实施例的流程400。该图片搜索方法的流程400,包括以下步骤:
步骤401,获取用户上传的搜索用图片对应的第一图片特征向量。
在本实施例中,图片搜索方法的执行主体可以是服务器(例如图1所示的服务器105)。服务器可以实时地接收用户通过终端设备(例如图1所示的终端设备101、102、103)上传的搜索用图片。并且,服务器可以获取搜索用图片对应的第一图片特征向量。这里,服务器可以采用各种图片特征提取算法(如卷积神经网络、局部二值模式算法等等),对搜索用图片进行特征提取,将提取出的特征生成与搜索用图片对应的第一图片特征向量。
需要说明的是,图片特征向量可以用于表征其所对应的图片。
步骤402,确定预设的图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离。
在本实施例中,预设的图片组集合中的每个图片组可以关联第一类簇。第一类簇可以包括该图片组中的各张图片分别对应的图片特征向量。另外,该图片组还可以关联经乘积量化后所得的类簇组集合。该类簇组集合中的类簇组所包括的类簇可以关联倒排链表,该倒排链表可以包括该图片组中的、与该类簇有关的图片的图片标识。这里,针对第一类簇、类簇组集合以及倒排链表的解释说明,可参看图2所示实施例中的相关说明,在此不再赘述。
在本实施例中,服务器在获得第一图片特征向量后,可以采用各种距离度量方法(如欧氏距离、曼哈顿距离、明氏距离等),确定图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离。
步骤403,基于所确定的距离,从图片组集合中选取至少一个图片组。
在本实施例中,服务器在执行完步骤402后,可以基于所确定的距离,从图片组集合中选取至少一个图片组。例如,从图片组集合中选取第一预设数目(例如1、2或3等)个所关联的第一类簇的中心点与第一图片特征向量之间的距离最小的图片组。这里,第一预设数目是可以根据实际需要设置的,在此不做具体限定。
步骤404,对于至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,确定该类簇的中心点与第一图片特征向量之间的距离,遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作。
在本实施例中,对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,服务器可以采用以上描述的距离度量方法,确定该类簇的中心点与第一图片特征向量之间的距离。而后,服务器可以遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作。
步骤405,对于至少一个图片组中的各个图片组中的图片所形成的图片集合,基于该图片集合中的各张图片所对应的经距离累加操作所得的距离,从该图片集合中选取至少一张图片作为待推送图片。
在本实施例中,对于上述至少一个图片组中的各个图片组中的图片所形成的图片集合,服务器可以基于该图片集合中的各张图片所对应的经距离累加操作所得的距离,从该图片集合中选取至少一张图片作为待推送图片。例如,服务器可以从该图片集合中选取第二预设数目(例如50、100或200等)张所对应的经距离累加操作所得的距离最小的图片作为待推送图片。这里,第二预设数目是可以根据实际需要设置的,在此不做具体限定。
步骤406,确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离。
在本实施例中,服务器在确定与搜索用图片对应的待推送图片后,可以采用以上已描述的距离度量方法,确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离。
步骤407,按照距离由小到大的顺序对所确定的各个待推送图片进行排序,得到待推送图片序列。
在本实施例中,服务器可以按照在步骤406中所确定的距离由小到大的顺序,对所确定的各个待推送图片进行排序,得到待推送图片序列。这样,可以将与搜索用图片最为相似的待推送图片排在前面。
步骤408,生成包括待推送图片序列的搜索结果。
在本实施例中,服务器可以生成包括待推送图片序列的搜索结果。该搜索结果可以方便用户快速获得所需的图片,节约用户的浏览时间,以及提升用户体验。
在本实施例的一些可选的实现方式中,服务器还可以通过有线连接方式或者无线连接方式将搜索结果返回给用户所使用的终端设备。
从图4中可以看出,与图2对应的实施例相比,本实施例中的图片搜索方法的流程400突出了对至少一个图片组的选取方法、待推送图片的选取方法以及搜索结果的生成方法进行扩展的步骤。由此,本实施例描述的方案可以实现信息处理的多样性。另外,通过获取用户上传的搜索用图片对应的第一图片特征向量,而后确定预设的图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离,然后基于所确定的距离,从图片组集合中选取至少一个图片组,可以提高选取出的图片组的有效性,可以使得选取出的图片组与搜索用图片具有较高的相关性。此外,对于至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,通过确定该类簇的中心点与第一图片特征向量之间的距离,以及遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作,可以快速地获得该至少一个图片组中的每个图片组所包括的每张图片与搜索用图片在空间上的距离,可以有效地节约图片搜索过程中的耗时。还有,通过确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离,而后按照距离由小到大的顺序对所确定的各个待推送图片进行排序,得到待推送图片序列,然后生成包括待推送图片序列的搜索结果,可以使得搜索结果中的排在前面的图片是与搜索用图片最为相似的图片,这样可以方便用户快速获得所需的图片,节约用户的浏览时间,以及提升用户体验。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种图片搜索装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的图片搜索装置500包括:第一选取单元501被配置成基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组可以关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇可以关联倒排链表,该倒排链表可以包括该图片组中的、与该类簇有关的图片的图片标识;第二选取单元502被配置成基于搜索用图片与该至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片;生成单元503被配置成生成包括所确定的待推送图片的搜索结果。
在本实施例中,图片搜索装置500中:第一选取单元501、第二选取单元502和生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,图片组还可以关联第一类簇,该第一类簇可以包括该图片组中的各张图片分别对应的图片特征向量;以及第一选取单元501可以包括:获取子单元(图中未示出),被配置成获取搜索用图片对应的第一图片特征向量;确定子单元(图中未示出),被配置成确定图片组集合中的每个图片组所关联的第一类簇的中心点与第一图片特征向量之间的距离;第一选取子单元(图中未示出),被配置成基于所确定的距离,从图片组集合中选取至少一个图片组。
在本实施例的一些可选的实现方式中,第一选取子单元可以进一步被配置成:从图片组集合中选取第一预设数目个所关联的第一类簇的中心点与第一图片特征向量之间的距离最小的图片组。
在本实施例的一些可选的实现方式中,第二选取单元502可以包括:距离累加子单元(图中未示出),被配置成对于上述至少一个图片组中的每个图片组所关联的类簇组集合中的每个类簇组所包括的每个类簇,确定该类簇的中心点与第一图片特征向量之间的距离;遍历该类簇所关联的倒排链表中的每个图片标识,并基于该类簇的中心点与第一图片特征向量之间的距离,针对该图片标识所指示的图片进行距离累加操作;第二选取子单元(图中未示出),被配置成基于图片集合中的各张图片所对应的经距离累加操作所得的距离,从图片集合中选取至少一张图片作为待推送图片。
在本实施例的一些可选的实现方式中,第二选取子单元可以进一步被配置成:从图片集合中选取第二预设数目张所对应的经距离累加操作所得的距离最小的图片作为待推送图片。
在本实施例的一些可选的实现方式中,生成单元503可以进一步被配置成:确定每个待推送图片所对应的图片特征向量与第一图片特征向量之间的距离;按照距离由小到大的顺序对所确定的各个待推送图片进行排序,得到待推送图片序列;生成包括待推送图片序列的搜索结果。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:发送单元(图中未示出),被配置成将搜索结果返回给用户所使用的终端设备。
本申请的上述实施例提供的装置,先基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇关联倒排链表,该倒排链表包括该图片组中的、与该类簇有关的图片的图片标识,而后基于搜索用图片与该至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片,以便生成包括所确定的待推送图片的搜索结果。本申请的上述实施例提供的方案通过引入倒排链表技术,可以快速地确定出该图片集合中的每张图片与搜索用图片之间的匹配关系,因而可以快速地确定出与搜索用图片相似的图片(如所确定的待推送图片),也因此可以节约图片搜索时间,提升图片搜索效率。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器105)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一选取单元、第二选取单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一选取单元还可以被描述为“基于用户上传的搜索用图片从预设的图片组集合中选取至少一个图片组的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备:基于用户上传的搜索用图片,从预设的图片组集合中选取至少一个图片组,其中,图片组可以关联经乘积量化后所得的类簇组集合,该类簇组集合中的类簇组所包括的类簇可以关联倒排链表,该倒排链表可以包括该图片组中的、与该类簇有关的图片的图片标识;基于搜索用图片与上述至少一个图片组中的各个图片组所关联的类簇组集合中的类簇组所包括的类簇的中心点之间的匹配关系以及该类簇所关联的倒排链表,从该各个图片组中的图片所形成的图片集合中选取至少一张图片作为待推送图片;生成包括所确定的待推送图片的搜索结果。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。