10.16208/j.issn1000-7024.2017.02.044
基于卷积神经网络的哈希在图像检索中的应用
为解决传统的基于人工视觉特征的图像哈希检索方法不一定能保留图像语义相似性,导致检索性能不好的问题,提出一个高效的基于卷积神经网络的哈希编码检索方法.去掉AlexNet网络原来的F7层,加入新的节点为48且激活函数为sigmoid函数的全连接层,采用该改进网络模型针对目标数据集进行微调,阈值设置为0.5,二值化新加入层的激活值得到哈希二进制编码,采用哈希编码进行检索.在CIFAR-10数据集上的实验结果表明,该方法与CNNH+相比性能提升了30%,在MINST数据集上也优于其它方法,验证了该方法对于大规模图像检索的有效性.
哈希、卷积神经网络、图像检索、激活、特征描述符
38
TP301.6(计算技术、计算机技术)
广西自然科学基金项目2013GXNSFAA019350;广西科技公关基金项目桂科攻 1598019-6
2017-03-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
517-521