一种基于无监督深度度量学习的细粒度图像检索方法

本发明公开了一种基于无监督深度度量学习的细粒度图像检索方法，该方法将待检索的细粒度图像输入至预训练的细粒度图像检索模型输出检索结果；该模型包括采样模块、全局相似度计算模块、距离矩阵计算模块和块级特征学习模块，采用模块采用平衡采用策略生成均衡小批量样本；全局相似度模块计算提取样本特征后，联合余弦相似度和流形相似度构建全局相似度矩阵；距离计算模块生成样本间欧式距离；块级特征学习模块通过重叠分块和中心锚点提取局部特征，进行动态对比聚类；最终，联合流形相似度度量损失和块级聚类损失构建总损失函数，迭代优化模型参数直至收敛。本发明实现了无监督条件下的细粒度特征学习，通过多模块协同优化提升检索精度。