基于卷积神经网络和二进制K-means的图像快速聚类

摘要：

当前主流的图像聚类方法采用的视觉特征缺乏自主学习能力,导致其图像表达能力不强,而且传统的聚类算法计算复杂度较高,聚类效率低,难以适应大数据环境.针对这些问题,本文提出了一种基于卷积神经网络和二进制K-means的图像快速聚类方法.首先,利用卷积神经网络学习图像内容的内在隐含关系,得到图像高阶特征,增强特征的视觉表达能力和区分性;然后,利用哈希方法将高维图像特征映射为低维二进制哈希码,并通过对聚类中心构造多索引哈希表来加速寻找最近的聚类中心,以降低时间复杂度;最后,利用二进制K-means完成二进制哈希码的快速聚类.在ImageNet-1000图像集上的实验结果表明,本文方法能够有效地增强图像特征的表达能力、提高图像聚类效率、性能优于当前主流方法.

关键词：深度学习、图像聚类、卷积神经网络、二进制K-means、多索引哈希

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60872142

在线出版日期：2018-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：970-979