基于注意力机制的深度哈希图像检索方法
传统的深度哈希图像检索方法所生成的二进制哈希码存在信息冗余,不能很好地反映图像局部语义信息.提出一种卷积神经网络同注意力模型相结合的深度哈希图像检索方法,使用VGG 16网络作为图像的特征提取器,接着在模型的卷积层之后添加注意力模块,提炼出更有效的特征图,最后在模型的全连接层输出二进制哈希码作为图像的特征,从而提高图像检索任务的精确度.在CIFAR-10和NUS-WIDE数据集上的实验表明,添加注意力机制后,模型在两个数据集下使用不同位数二进制哈希码的检索精度最高达到85.3%与78.1%,均高于未使用注意力机制的情况,验证了注意力机制的有效性.
图像检索、注意力模型、卷积神经网络、哈希
44
TP391(计算技术、计算机技术)
教育部人文社科规划基金17YJA870010
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
144-148