CN108664583A - 一种索引树建立方法以及图像检索方法 - Google Patents
一种索引树建立方法以及图像检索方法 Download PDFInfo
- Publication number
- CN108664583A CN108664583A CN201810422259.3A CN201810422259A CN108664583A CN 108664583 A CN108664583 A CN 108664583A CN 201810422259 A CN201810422259 A CN 201810422259A CN 108664583 A CN108664583 A CN 108664583A
- Authority
- CN
- China
- Prior art keywords
- index
- node
- initial
- tree
- maximum
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种索引树建立方法以及图像检索方法,该索引树建立方法包括:提取样本图像的样本特征,根据所述样本特征,按提取顺序建立初始索引,根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。通过上述方法,在使用该方法所建立的索引树对待检索的图像进行检索的过程中,由于索引树的每个节点包含的子节点数、每个叶节点包含的索引数以及最大层数均为指定数量,因此,检索次数是可以准确控制的,能够保证检索次数恒定,符合期望值。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种索引树建立方法以及图像检索方法。
背景技术
随着互联网技术的不断发展,通过互联网来获取所需的图像信息已经成为人们获取信息的重要方式。
目前,服务商为了能够让用户更方便的获取的图像信息,通常会根据已有的图像信息建立索引树,用户可通过已建立的索引树来检索自己所需的图像信息。
现有的建立索引树的方法通常是提取样本图像的图像特征,将相同的图像特征归为一类,并根据归类后的图像特征建立索引树。
但是,在现有技术中,由于构建索引时只是根据所提取的图像特征以及图像特征的数量来构建索引,也就是说,索引树中的每个节点的子节点数、索引树的层数以及叶节点中的索引信息的数量均无法准确控制,因此,在根据待检索的图像通过索引树进行检索时,检索次数无法准确控制,也就是说,无法让检索次数符合期望值。
发明内容
本申请实施例提供一种索引树建立方法以及图像检索方法,解决现有技术无法准确控制根据待检索的图像通过索引树进行检索时的检索次数的问题。
本申请实施例提供的一种索引树建立方法方法,包括:
提取样本图像的样本特征;
根据所述样本特征,按提取顺序建立初始索引;
根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
优选地,所述索引树的每个节点含有最大M个子节点或最大N个索引,[N=A/ML],A为图像特征总数,L为预先设定的最大层数。
优选地,对所述初始索引按照伪随机函数重新排列,根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
优选地,从所述随机排列后的初始索引中依次选取M个初始索引作为子节点,其中,M个子节点中任意两个子节点的权重之间距离都不同,所述子节点的权重为所选取的初始索引所对应的特征,针对余下的每个初始索引,依次计算该初始索引对应的特征与已遍历到的M中的每个子节点的索引的权重之间的距离,确定与该初始索引对应的特征距离最近的子节点,并将该初始索引划分到所确定出的子节点对应的初始索引集合中,其中,每个子节点均对应一个初始索引集合,对M个初始索引集合重复上述步骤直至所述索引树达到L层或者所有图像特征添加到索引树。
优选地,该方法还包括:
若所述随机排序后的初始索引中剩余的初始索引不够M个,则认为父节点为叶节点,若子节点对应的初始索引集合中的初始索引的个数小于或等于N,则此子节点为叶节点。
本申请实施例提供的一种图像检索方法,所述图像检索方法基于上述索引树建立方法,包括:
获取待检索的图像;
提取待检索的图像的图像特征;
根据所述图像特征,在预先建立的索引树中,匹配所述图像特征对应的索引信息,其中,所述索引树具有预先设置的每个节点包含的最大子节点数、每个叶节点包含的最大索引信息数以及最大层数;
根据所述图像特征对应的索引信息,确定所述索引信息对应的图像。
优选地,针对预先建立的索引树的每层节点,根据所述图像特征以及该层每个节点的权重,计算所述图像特征与该层每个节点的权重之间距离,选取距离最小的节点,遍历该节点对应的下一层节点,其中,所述节点的权重为所述节点的索引所对应的特征,当匹配到图像特征在该层所对应的节点为叶节点时,根据所述图像特征,计算该叶节点的每个索引所对应特征与所述图像特征之间的距离,选取距离最小的索引作为所述图像特征对应的索引。
优选地,该方法还包括:在选取距离最小的索引作为所述图像特征对应的索引之前,在具有多个索引树的情况下,比较所述图像特征与每个索引树的索引之间的距离,该距离中最小的距离对应的索引作为所述图像特征。
另外,本申请实施例还提供的一种计算机可读介质以及计算机***,该计算机可读介质上存储有程序,该程序被处理器执行时实现根据索引树建立方法的步骤。该计算机***包括计算机可读介质和处理器;计算机可读介质上存储有程序;当所述程序被执行时,所述处理器被配置成实现根据索引树建立方法的步骤。
本申请实施例提供一种索引树建立方法以及图像检索方法,该索引树建立方法包括:提取样本图像的样本特征,根据所述样本特征,按提取顺序建立初始索引,根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。通过上述方法,在使用该方法所建立的索引树对待检索的图像进行检索的过程中,由于索引树的每个节点包含的子节点数、每个叶节点包含的索引数以及最大层数均为指定数量,因此,检索次数是可以准确控制的,能够保证检索次数恒定,符合期望值。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的索引树建立的过程示意图;
图2为本申请实施例提供的图像检索的过程示意图;
图3为本申请实施例提供的索引树建立装置的结构框图;
图4为本申请实施例提供的图像检索装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的索引树建立过程,具体包括以下步骤:
S101:提取样本图像的样本特征。
在实际应用中,为了能够让用户更方便的获取的图像信息,服务商通常都会根据已有的图像信息建立索引树,后续,用户可通过已建立的索引树来检索自己所需的图像信息。
因此,在本申请中,首先需要建立索引树。
进一步的,本申请在建立索引树的过程中,首先需要提取样本图像的样本特征。
在此需要说明的是,在本申请中,所提取的样本图像的样本特征包含了与样本图像的对应关系,也就是,当根据待检索的图像匹配到对应的特征后,就可以找到对应的样本图像。
S102:根据所述样本特征,按提取顺序建立初始索引。
进一步的,在提取样本图像的样本特征后,需要根据样本图像,按提取顺序建立初始索引。
在此需要说明的是,在本申请中,根据所述样本特征,按提取顺序建立初始索引,是直接根据所提取的样本特征,按照提取样本特征的顺序,顺序建立初始索引。
S103:根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
进一步的,本申请在根据样本图像,按提取顺序建立初始索引之后,需要根据初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
在此需要说明的是,本申请在根据初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树之前,需要定义索引树,也就是说,需要确定所要建立的索引树的每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数。
进一步的,在本申请中,所定义的索引树可以为:索引树具有一个根节点,索引树的每个节点含有同样数目M的子节点或最大N个索引,每个节点包含有权重(该权重为所选取的初始索引所对应的特征),以根节点作为第0层,根节点的子节点作为第1层,依次类推,最大的层数为树的层数L,其中,子节点可以是分支节点或叶节点,分支节点是含有子节点的节点,叶节点是不含子节点的节点,叶节点包含索引,但最多包含N个索引。根据公式[N=A/ML]来确定所要建立的索引树的每个节点包含的子节点数M、每个叶节点包含的索引数N以及待建立的索引树的最大层数L,其中,A为图像特征总数,L为预先设定的最大层数,索引树的每个节点含有最大M个子节点或最大N个索引。
在此还需要说明的是,对上述公式N=A/ML以及公式的推导过程进行详细的说明,具体如下:
假设索引树中分支节点总数为m,叶子节点总数为n,第L-1层的叶子节点个数为a,那么n=ML-aM,且此索引树为完全M叉树,则根据以∑nN≤特征总数A,索引树层数L大于1且小于5,M大于2,预先设定的匹配次数C=M×L+N达到预期的原则得到如下公式N=A/(ML-aM)和公式C=ML+N=ML+A/(ML-aM),进一步地,对公式C=ML+N=ML+A/(ML-aM)中a值的作用,可见其他值不变的情况下,a越大C将越大,因此最好情况下a为0,即,索引树满足所有叶子节点在同一层,属于满M叉树,因此公式N=A/(ML-aM)与公式C=ML+N=ML+A/(ML-aM)变化为公式N=A/ML和公式C=ML+A/ML,进一步地,公式C=ML+A/ML对于M的一阶导数C'=L-ALM-(L+1),M从2递增时,C’从负值增长到正值,因此C有极小值:C'=L-ALM-(L+1)=0。L-ALM-(L+1)=0变化得到获取M的公式
对于上述公式的推导过程可以看出,L大于1时,L越大C越小,M也越小,因此需要根据预先设定的匹配次数(即,期望值)C的大小选择M和L的值,最终确定M、N,构建索引树。
另外,由于需要保证预先设定的匹配次数C一定的次数,因此L值被限定到某一固定值且不会很高。
进一步的,在定义完成所要建立的索引树的每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数后,需要根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树,在本申请中,根据所述初始索引、所述每个节点包含的子节点数、每个叶节点包含的索引信息数以及最大层数,建立索引树的实施方式可以如下:
对初始索引按照伪随机函数重新排列,根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
在此需要说明的是,根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树可以如下:
从随机排列后的初始索引中依次选取M个初始索引作为子节点,其中,M个子节点中任意两个子节点的权重之间距离都不同,子节点的权重为所选取的初始索引所对应的特征,针对余下的每个初始索引,依次计算该初始索引对应的特征与已遍历到的M中的每个子节点的索引的权重之间的距离,确定与该初始索引对应的特征距离最近的子节点,并将该初始索引划分到所确定出的子节点对应的初始索引集合中,其中,每个子节点均对应一个初始索引集合,对M个初始索引集合重复上述步骤直至所述索引树达到L层或者所有图像特征添加到索引树。
在此需要说明的是,距离不同的指的是所抽取的每个节点包含的子节点数的初始索引中,任意两个初始索引所对应的特征彼此之间的距离均超过一定的阈值,如果按顺序在重新排列后的初始索引中,依次选取的过程中,当前所选取的初始索引与前面所选取的初始索引中的任意一个索引之间的距离没有超过预设的阈值时,则跳过当前所选取的初始索引,继续选取后面的初始索引,也可以保留当前所选取的初始索引,将前面与当前所选取的初始索引距离没有超过预设的阈值的初始索引去掉,继续选取后面的初始索引,直到得到距离互不相同的每个节点包含的子节点数的初始索引,将所抽取的初始索引作为该节点在下一层的子节点,在选取的过程中,若随机排序后的初始索引中剩余的初始索引不够M个,则认为父节点为叶节点,若子节点对应的初始索引集合中的初始索引的个数小于或等于N,则此子节点为叶节点。
后续,根据所建立的索引树,需要获取用户需要检索的图像。
图2为本申请实施例提供的图像检索过程,具体包括以下步骤:
S201:获取待检索的图像。
S202:提取待检索的图像的图像特征。
S203:根据所述图像特征,在预先建立的索引树中,匹配所述图像特征对应的索引。
在本申请中,在获取到用户需要检索的图像后,需要提取待检索的图像的图像特征,并根据所提取的图像特征,在预先建立的索引树中,匹配该图像特征对应的索引,其中,由于预先建立的索引树的每个节点包含的子节点数、每个叶节点包含的索引数以及最大层数均为指定数量,也就是说,在建立索引树的过程中以上参数就已经设定好了,因此,匹配该图像特征对应的索引的匹配次数为恒定的。
进一步地,本申请给出了根据所提取的图像特征,在预先建立的索引树中,匹配该图像特征对应的索引的实施方式,具体如下:
针对预先建立的索引树的每层节点,根据图像特征以及该层每个节点的权重,计算图像特征与该层每个节点的权重之间距离,选取距离最小的节点,遍历该节点对应的下一层节点,其中,节点的权重为节点的索引所对应的特征,当匹配到图像特征在该层所对应的节点为叶节点时,根据图像特征,计算该叶节点的每个索引所对应特征与所述图像特征之间的距离,选取距离最小的索引作为所述图像特征对应的索引。
在实际应用中,会存在建立多个索引树的情况,针对这种情况,需要比较每个索引树得到的最小的距离,将最小的距离作为最终结果,也就是说,在具有多个索引树的情况下,在选取距离最小的索引作为所述图像特征对应的索引之前,比较图像特征与每个索引树的索引之间的距离,该距离中最小的距离对应的索引作为所述图像特征。
S204:根据所述图像特征对应的索引,确定所述索引对应的图像。
在本申请中,索引中包含有图像的获取路径,可通过图像的获取路径,直接获取图像,并返回给用户。
通过上述方法,在对待检索的图像进行检索的过程中,由于索引树的每个节点包含的子节点数、每个叶节点包含的索引数以及最大层数均为指定数量,因此,检索次数是可以准确控制的,能够保证检索次数恒定,符合期望值,另外,本申请在整个图像检索的过程中,绝大部分的比对操作在构建索引树的过程中就完成了,因此在后续的图像检索时匹配的操作非常少,从而缩短了检索时间,并且,本申请中的M值与L值动态计算得到,因此具有很高的灵活性,满足不同索引数目的图像检索过程。此外,构建索引树时的M值与L值的选取、索引树个数、随机特性等,将图像检索的准确度进行了保证。
进一步的,本申请实施例还提供一种计算机可读介质和计算机***,包括:
该计算机可读介质上存储有程序,该程序被处理器执行时实现索引树建立方法的步骤。
该计算机***包括计算机可读介质和处理器;计算机可读介质上存储有程序;当所述程序被执行时,所述处理器被配置成实现索引树建立方法的步骤。
另外,基于本申请实施例提供的一种索引树建立方法,基于同样的思路,本申请实施例还提供的一种索引树建立装置,如图3所示,该装置包括:
提取模块301,用于提取样本图像的样本特征;
初始索引建立模块302,用于根据所述样本特征,按提取顺序建立初始索引;
索引树建立模块303,用于根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
所述索引树的每个节点含有最大M个子节点或最大N个索引,N=A/ML,A为图像特征总数,L为预先设定的最大层数。
所述索引树建立模块303具体用于,对所述初始索引按照伪随机函数重新排列,根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
所述索引树建立模块303具体用于,从所述随机排列后的初始索引中依次选取M个初始索引作为子节点,其中,M个子节点中任意两个子节点的权重之间距离都不同,所述子节点的权重为所选取的初始索引所对应的特征,针对余下的每个初始索引,依次计算该初始索引对应的特征与已遍历到的M中的每个子节点的索引的权重之间的距离,确定与该初始索引对应的特征距离最近的子节点,并将该初始索引划分到所确定出的子节点对应的初始索引集合中,其中,每个子节点均对应一个初始索引集合,对M个初始索引集合重复上述步骤直至所述索引树达到L层或者所有图像特征添加到索引树。
该装置还包括:
若所述随机排序后的初始索引中剩余的初始索引不够M个,则认为父节点为叶节点,若子节点对应的初始索引集合中的初始索引的个数小于或等于N,则此子节点为叶节点。
基于本申请实施例提供的一种图像检索方法,基于同样的思路,本申请实施例还提供的一种图像检索装置,如图4所示,该装置包括:
获取模块401,用于获取待检索的图像;
提取模块402,用于提取待检索的图像的图像特征;
匹配模块403,用于根据所述图像特征,在预先建立的索引树中,匹配所述图像特征对应的索引,其中,所述索引树具有预先设置的每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数;
确定模块404,用于根据所述图像特征对应的索引,确定所述索引对应的图像。
所述匹配模块403具体用于,针对预先建立的索引树的每层节点,根据所述图像特征以及该层每个节点的权重,计算所述图像特征与该层每个节点的权重之间距离,选取距离最小的节点,遍历该节点对应的下一层节点,其中,所述节点的权重为所述节点的索引所对应的特征;当匹配到图像特征在该层所对应的节点为叶节点时,根据所述图像特征,计算该叶节点的每个索引所对应特征与所述图像特征之间的距离,选取距离最小的索引作为所述图像特征对应的索引。
该装置还包括:在选取距离最小的索引作为所述图像特征对应的索引之前,在具有多个索引树的情况下,比较所述图像特征与每个索引树的索引之间的距离,该距离中最小的距离对应的索引作为所述图像特征。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种索引树建立方法,其特征在于,包括:
提取样本图像的样本特征;
根据所述样本特征,按提取顺序建立初始索引;
根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
2.如权利要求1所述的方法,其特征在于,所述索引树的每个节点含有最大M个子节点或最大N个索引,N=A/ML,A为图像特征总数,L为预先设定的最大层数。
3.如权利要求2所述的方法,其特征在于,根据所述初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树,具体包括:
对所述初始索引按照伪随机函数重新排列;
根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树。
4.如权利要求3所述的方法,其特征在于,根据随机排列后的初始索引、每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数,建立索引树,具体包括:
从所述随机排列后的初始索引中依次选取M个初始索引作为子节点,其中,M个子节点中任意两个子节点的权重之间距离都不同,所述子节点的权重为所选取的初始索引所对应的特征;
针对余下的每个初始索引,依次计算该初始索引对应的特征与已遍历到的M中的每个子节点的索引的权重之间的距离,确定与该初始索引对应的特征距离最近的子节点,并将该初始索引划分到所确定出的子节点对应的初始索引集合中,其中,每个子节点均对应一个初始索引集合;
对M个初始索引集合重复上述步骤直至所述索引树达到L层或者所有图像特征添加到索引树。
5.如权利要求4所述的方法,其特征在于,该方法还包括:
若所述随机排序后的初始索引中剩余的初始索引不够M个,则认为父节点为叶节点;
若子节点对应的初始索引集合中的初始索引的个数小于或等于N,则此子节点为叶节点。
6.一种图像检索方法,其特征在于,所述图像检索方法基于上述索引树建立方法,包括:
获取待检索的图像;
提取待检索的图像的图像特征;
根据所述图像特征,在预先建立的索引树中,匹配所述图像特征对应的索引,其中,所述索引树具有预先设置的每个节点包含的最大子节点数、每个叶节点包含的最大索引数以及最大层数;
根据所述图像特征对应的索引,确定所述索引对应的图像。
7.如权利要求6所述的方法,其特征在于,根据所述图像特征,在预先建立的索引树中,匹配所述图像特征对应的索引,具体包括:
针对预先建立的索引树的每层节点,根据所述图像特征以及该层每个节点的权重,计算所述图像特征与该层每个节点的权重之间距离,选取距离最小的节点,遍历该节点对应的下一层节点,其中,所述节点的权重为所述节点的索引所对应的特征;
当匹配到图像特征在该层所对应的节点为叶节点时,根据所述图像特征,计算该叶节点的每个索引所对应特征与所述图像特征之间的距离,选取距离最小的索引作为所述图像特征对应的索引。
8.如权利要求7所述的方法,其特征在于,在选取距离最小的索引作为所述图像特征对应的索引之前,该方法还包括:在具有多个索引树的情况下,比较所述图像特征与每个索引树的索引之间的距离,该距离中最小的距离对应的索引作为所述图像特征。
9.一种计算机可读介质,其特征在于,该计算机可读介质上存储有程序,该程序被处理器执行时实现根据权利要求1所述方法的步骤。
10.一种计算机***,其特征在于,该计算机***包括计算机可读介质和处理器;
计算机可读介质上存储有程序;
当所述程序被执行时,所述处理器被配置成实现根据权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810422259.3A CN108664583A (zh) | 2018-05-04 | 2018-05-04 | 一种索引树建立方法以及图像检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810422259.3A CN108664583A (zh) | 2018-05-04 | 2018-05-04 | 一种索引树建立方法以及图像检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108664583A true CN108664583A (zh) | 2018-10-16 |
Family
ID=63781898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810422259.3A Pending CN108664583A (zh) | 2018-05-04 | 2018-05-04 | 一种索引树建立方法以及图像检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664583A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162645A (zh) * | 2019-05-28 | 2019-08-23 | 广东三维家信息科技有限公司 | 基于索引的图像检索方法、装置及电子设备 |
CN111190893A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 建立特征索引的方法和装置 |
CN111369777A (zh) * | 2020-04-21 | 2020-07-03 | 深圳芯珑电子技术有限公司 | 一种低压用户用电信息采集***的维护方法及维护*** |
CN111782849A (zh) * | 2019-11-27 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像检索方法和装置 |
CN113792184A (zh) * | 2020-08-04 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 广告召回方法及装置、***、计算机存储介质、电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211355A (zh) * | 2006-12-30 | 2008-07-02 | 中国科学院计算技术研究所 | 一种基于聚类的图像查询方法 |
CN103678504A (zh) * | 2013-11-19 | 2014-03-26 | 西安华海盈泰医疗信息技术有限公司 | 基于相似度的乳腺图像的匹配图像检索方法及检索*** |
CN103995855A (zh) * | 2014-05-14 | 2014-08-20 | 华为技术有限公司 | 存储数据的方法和装置 |
CN104331497A (zh) * | 2014-11-19 | 2015-02-04 | 中国科学院自动化研究所 | 一种利用向量指令并行处理文件索引的方法及装置 |
US20150347478A1 (en) * | 2014-06-03 | 2015-12-03 | Xerox Corporation | Systems and methods for context-aware and personalized access to visualizations of road events |
CN106127748A (zh) * | 2012-07-18 | 2016-11-16 | 成都理想境界科技有限公司 | 一种图像特征样本数据库及其建立方法 |
US20160335591A1 (en) * | 2013-08-14 | 2016-11-17 | Ricoh Co., Ltd. | Three-Dimensional Indexing Protocol |
-
2018
- 2018-05-04 CN CN201810422259.3A patent/CN108664583A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211355A (zh) * | 2006-12-30 | 2008-07-02 | 中国科学院计算技术研究所 | 一种基于聚类的图像查询方法 |
CN106127748A (zh) * | 2012-07-18 | 2016-11-16 | 成都理想境界科技有限公司 | 一种图像特征样本数据库及其建立方法 |
US20160335591A1 (en) * | 2013-08-14 | 2016-11-17 | Ricoh Co., Ltd. | Three-Dimensional Indexing Protocol |
CN103678504A (zh) * | 2013-11-19 | 2014-03-26 | 西安华海盈泰医疗信息技术有限公司 | 基于相似度的乳腺图像的匹配图像检索方法及检索*** |
CN103995855A (zh) * | 2014-05-14 | 2014-08-20 | 华为技术有限公司 | 存储数据的方法和装置 |
US20150347478A1 (en) * | 2014-06-03 | 2015-12-03 | Xerox Corporation | Systems and methods for context-aware and personalized access to visualizations of road events |
CN104331497A (zh) * | 2014-11-19 | 2015-02-04 | 中国科学院自动化研究所 | 一种利用向量指令并行处理文件索引的方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190893A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 建立特征索引的方法和装置 |
CN111190893B (zh) * | 2018-11-15 | 2023-05-16 | 华为技术有限公司 | 建立特征索引的方法和装置 |
CN110162645A (zh) * | 2019-05-28 | 2019-08-23 | 广东三维家信息科技有限公司 | 基于索引的图像检索方法、装置及电子设备 |
CN111782849A (zh) * | 2019-11-27 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像检索方法和装置 |
CN111782849B (zh) * | 2019-11-27 | 2024-03-01 | 北京沃东天骏信息技术有限公司 | 图像检索方法和装置 |
CN111369777A (zh) * | 2020-04-21 | 2020-07-03 | 深圳芯珑电子技术有限公司 | 一种低压用户用电信息采集***的维护方法及维护*** |
CN113792184A (zh) * | 2020-08-04 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 广告召回方法及装置、***、计算机存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664583A (zh) | 一种索引树建立方法以及图像检索方法 | |
US9348898B2 (en) | Recommendation system with dual collaborative filter usage matrix | |
JP5956558B2 (ja) | 製品カテゴリ情報を判断する方法および装置 | |
CN107015985B (zh) | 一种数据存储与获取方法及装置 | |
CN110113393B (zh) | 一种消息推送方法、装置、电子设备及介质 | |
CN108334640A (zh) | 一种视频推荐方法及装置 | |
CN108664526A (zh) | 检索的方法和设备 | |
CN105391594A (zh) | 识别特征账号的方法及装置 | |
CN107622061A (zh) | 一种确定地址唯一性的方法、装置及*** | |
CN104142946A (zh) | 一种同款业务对象聚合、搜索的方法和*** | |
CN106897342A (zh) | 一种数据校验方法和设备 | |
CN109800853B (zh) | 融合卷积神经网络和显式反馈的矩阵分解方法、装置及电子设备 | |
CN110008743A (zh) | 一种块链式账本中的数据属性标识方法、装置及设备 | |
CN108804458A (zh) | 一种爬虫网页采集方法和装置 | |
CN112070550A (zh) | 基于搜索平台的关键词确定方法、装置、设备及存储介质 | |
CN107133248A (zh) | 一种应用程序的分类方法和装置 | |
CN108021610A (zh) | 随机游走、基于分布式***的随机游走方法、装置以及设备 | |
CN107784027A (zh) | 一种裁判文书检索关键词的提示方法及装置 | |
CN106991090A (zh) | 舆情事件实体的分析方法及装置 | |
CN108154024A (zh) | 一种数据检索方法、装置及电子设备 | |
CN104346347A (zh) | 数据存储方法、装置、服务器及*** | |
CN106469182A (zh) | 一种基于映射关系的信息推荐方法及装置 | |
CN109218211A (zh) | 数据流的控制策略中阈值的调整方法、装置和设备 | |
CN108228896B (zh) | 一种基于密度的缺失数据填补方法及装置 | |
CN107463578B (zh) | 应用下载量统计数据去重方法、装置和终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181016 |