1.一种用于检索的图像向量获取方法，其特征是，包括，

获取图像数据集；

将图像数据集输入预先构建的混合聚合特征索引图像检索模型，输出用于检索的图像向量；

其中，所述混合聚合特征索引图像检索模型包括空间分割层、卷积层和BOF层；

空间分割层按照不同的空间段分割图像数据集；

不同空间段的图像数据集输入卷积层，获取不同空间段的局部特征描述符；

将每个局部特征描述符分别输入BOF层，获取对应的BOF层输出；

将不同局部特征描述符的BOF层输出累计成直方图向量，根据直方图向量获得最终的图像向量。

2.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述卷积层包括ResNet50卷积网络模块、Mobilenet_V2卷积网络模块或/和ConvNeXt卷积网络模块。

3.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述BOF层包括多个径向基函数神经元，所述径向基函数神经元用于量化输出局部特征描述符，量化输出的方法包括获取局部特征描述符的VLAD残差；

VLAD残差的获取方法：将不同空间段的局部特征描述符和对应的图像数据集输入VLAD层，获取不同空间段的VLAD残差。

4.根据权利要求3所述用于检索的图像向量获取方法，其特征是，所述将每个局部特征描述符分别输入BOF层，包括，预先设置所述径向基函数神经元的径向基函数中心点，所述径向基函数中心点的设置方法：通过K‑means聚类方法对局部特征描述符进行特征聚类，将聚类中心作为径向基函数中心点。

5.根据权利要求4所述用于检索的图像向量获取方法，其特征是，每个局部特征描述符的BOF层输出为： ；

式中， 为所有径向基函数神经元与径向基函数中心点的差异累加，即第i个局部特征描述符的BOF层输出结果，i为局部特征描述符的记数序号， 为第i个局部特征描述符对应的径向基函数神经元数量，j为径向基函数神经元的记数序号， 为第i个局部特征描述符的第j个径向基函数神经元的量化输出， 表示将VLAD残差定义为第i个局部特征描述符的第j个径向基函数神经元的量化输出。

6.根据权利要求5所述用于检索的图像向量获取方法，其特征是，不同局部特征描述符的BOF层输出累计，计算公式为： ；

式中， 为直方图向量， 为BOF层输出结果的记数序号， 分别为不同局部特征描述符的BOF层输出结果，Concat为连接函数，K为局部特征描述符的总数。

7.根据权利要求1所述用于检索的图像向量获取方法，其特征是，所述根据直方图向量获得最终的图像向量，包括，将直方图向量正则化得到最终的图像向量，正则化方法包括Intra正则化或/和L2正则化。

8.一种电子终端，其特征在于，包括处理器以及与所述处理器连接的存储器，在所述存储器内存储有计算机程序，当所述计算机程序被所述处理器执行时，执行如权利要求1至7任一项所述用于检索的图像向量获取方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述用于检索的图像向量获取方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一项所述用于检索的图像向量获取方法的步骤。