(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 202210508717.1 (22)申请日 2022.05.11 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 唐子豪　刘莉红　刘玉宇　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 谭晓欣 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/51(2019.01) G06V 10/44(2022.01) G06V 10/50(2022.01)G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06T 3/60(2006.01) G06T 7/10(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于LIRE的图像查重方法、 装置、 计算机设 备和存储介质 (57)摘要 本申请涉及计算机视觉领域， 提供了一种基 于LIRE图像查重方法、 装置、 计算机设备和存储 介质， 该图像查重方法包括接收用户发送的待对 比图像； 利用LIRE对待对比图像进行第一特征提 取处理， 以得到待对比图像的第一图像特征； 利 用预训练的深度学习模型对待对比图像进行第 二特征提取处理， 以得到待对比图像的第二图像 特征； 将第一图像特征和第二图像特征进行融合 处理， 得到第三图像特征； 根据第三图像特征， 从 预设的图像特征集确定与第三图像特征对应的 第四图像特征； 将第三图像特征和第四图像特征 进行对比处理， 得到待对比图像的图像查重结 果。 通过将LIRE提取的特征与 深度学习模型提取 的特征融合， 使提取的特征更具有判别能力， 从 而提高了查重准确率。 权利要求书3页 说明书13页 附图7页 CN 114741549 A 2022.07.12 CN 114741549 A 1.一种基于L IRE的图像查重方法， 其特 征在于， 所述方法包括： 接收用户发送的待对比图像； 利用LIRE对所述待对比图像进行第一特征提取处理， 以得到所述待对比图像的第一图 像特征； 利用预训练的深度学习 模型对所述待对比图像进行第 二特征提取处理， 以得到所述待 对比图像的第二图像特 征； 将所述第一图像特 征和所述第二图像特 征进行融合处 理， 得到第三图像特 征； 根据所述第 三图像特征， 从预设的图像特征集确定与 所述第三图像特征对应的第四图 像特征； 将所述第三图像特征和所述第四图像特征进行对比处理， 得到所述待对比图像的图像 查重结果。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一图像特征和所述第 二图像 特征进行融合处 理， 得到第三图像特 征， 包括： 对所述第一图像特征和所述第二图像特征进行特征融合处理， 得到第一融合图像特 征； 对所述第一融合图像特 征进行特征提取处 理， 以得到第二融合图像特 征； 对所述第二融合图像特 征进行非线性映射处 理， 以得到所述第三图像特 征。 3.根据权利要求1所述的方法， 其特 征在于， 所述图像特 征集通过如下步骤获取： 获取图像数据集， 所述图像数据集包括多个图像样本； 利用所述 LIRE对每个所述图像样本进行第三特 征提取处 理， 以得到第一图像特 征集； 利用所述预训练 的深度学习模型对每个所述图像样本进行第四特征提取处理， 以得到 第二图像特 征集； 对所述第一图像特征集和与所述第一图像特征集对应的所述第二图像特征集进行特 征融合， 以得到图像特 征集。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述第三图像特征， 从预设的图 像特征集确定与所述第三图像特 征对应的第四图像特 征， 包括： 从预设的图像索引项集确定所述第 三图像特征对应的图像索引项， 所述索引项集为通 过利用所述 LIRE创建每 个所述图像样本的图像特 征的索引项得到； 根据所述图像索引项， 查询所述图像特征集， 确定与所述第三图像特征对应的第 四图 像特征。 5.根据权利要求3所述的方法， 其特征在于， 在所述获取图像数据集之后， 所述方法还 包括: 对所述图像数据集中的多个所述图像样本进行图像增强处理， 以得到与所述图像样本 对应的增强图像样 本， 其中， 所述图像增强处理包括以下至少之一： 图像旋转、 图像裁剪、 图 像模糊处 理、 摩尔纹 处理； 获取初始的深度 学习模型， 利用所述初始的深度 学习模型对所述图像样本和所述增强 图像样本进行 特征提取， 得到第三图像特 征集； 根据所述第三图像特 征集， 确定所述初始的深度学习模型的损失函数的值； 在所述损 失函数的值满足预设的训练结束条件情况下， 结束训练， 得到所述预训练的权　利　要　求　书 1/3 页 2 CN 114741549 A 2深度学习模型； 在所述损失函数的值不满足预设的训练结束条件情况下， 调 整所述初始的深度 学习模 型的模型参数， 并基于所述图像样本和所述增强图像样本继续对所述初始的深度学习模型 进行训练； 其中， 所述根据 所述第三图像特征集， 确定所述初始的深度 学习模型的损失函数的值， 包括： 根据所述第 三图像特征集， 利用三元组损失函数计算所述初始的深度 学习模型的损失 函数的值； 所述三元组损失函数基于以下公式对所述第三图像特 征集进行计算： L＝max(d(a,p) ‑d(a,n)+margi n,0) 其中， L表示所述损失函数的值， max()表示最大值函数， d表示距离函数， a表示所述第 三图像特征集中的一个图像特征， p表示与a同类的图像特征， n表 示与a不同类的图像特征， margin表示超参数。 6.根据权利要求5所述的方法， 其特征在于， 所述利用所述预训练 的深度学习模型对每 个所述图像样本进 行第四特征提取处理， 以得到第二图像特征集， 包括： 利用所述预训练的 深度学习模型对所述图像样本和所述增强图像样本进 行特征提取， 得到所述第二图像特征 集。 7.根据权利要求1所述的方法， 其特征在于， 所述将所述第 三图像特征和所述第四图像 特征进行对比处 理， 得到所述待对比图像的图像查重结果， 包括： 计算所述第三图像特 征与所述第四图像特 征之间的距离， 得到距离函数的值； 在所述距离函数的值大于或者等于预设阈值条件情况下， 得到所述待对比图像的图像 查重结果 为相似； 在所述距离函数的值小于预设阈值条件情况下， 得到所述待对比图像的图像查重结果 为不相似。 8.一种基于L IRE的图像查重装置， 其特 征在于， 包括： 数据获取模块， 用于 接收用户发送的待对比图像； 第一特征构建模块， 用于利用LIRE对所述待对比图像进行第一特征提取处理， 以得到 所述待对比图像的第一图像特 征； 第二特征构建模块， 用于利用预训练 的深度学习模型对所述待对比图像进行第 二特征 提取处理， 以得到所述待对比图像的第二图像特 征； 特征融合模块， 用于将所述第一图像特征和所述第二图像特征进行融合处理， 得到第 三图像特 征； 第一处理模块， 用于根据所述第三图像特征， 从预设的图像特征集确定与所述第三图 像特征对应的第四图像特 征； 第二处理模块， 用于将所述第三图像特征和所述第 四图像特征进行对比处理， 得到所 述待对比图像的图像查重结果。 9.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器中 存储有计算机可读指令， 所述计算机可读指令被一个或多个所述处理器执行时， 使得一个 或多个所述处 理器执行如权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/3 页 3 CN 114741549 A 3