基于深度学习耦合稀疏语义度量的商标检索算法

摘要：

目的 针对当前商标图像检索中的语义鸿沟问题,提出一种深度学习耦合稀疏语义度量的商标图像检索方案,有效抑制噪声干扰,降低冗余特征维数.方法 首先,根据由卷积与池化组成的无监督学习机制,对输入商标图像进行多层特征提取,输出一维特征向量.随后,通过L2-支持向量机(L2-SVM)进行分类,利用特征向量进行训练,获得多级联特征.然后,根据商标图像的多级联特征和用户标签信息的异构数据结构,设计一种稀疏语义度量方法进行相似检索,减少语义鸿沟.此外,引入一种混合范数作为相似度量的稀疏约束,以抑制原始输入空间中的冗余特征维数和噪声,优化检索结果.结果 实验表明,与当前流行的商标检索方案相比,所提算法具有更高的检索精度,其输出的结果中仅有1幅无关图像.结论 该方案具有较高的检索精度和较强的鲁棒性,在商标检测、商标保护等方面中具有良好的应用价值.

关键词：商标检索、语义鸿沟、深度学习、稀疏语义度量、L2支持向量机、混合范数

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：河北省高等学校科学技术研究项目Z2015085;江西省教育厅自然科学研究项目GJJ171375

在线出版日期：2019-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：237-245