基于卷积神经网络和哈希编码的图像检索方法
在图像检索中,传统的基于人工特征的检索方法并不能取得很好的效果。为此提出一种结合卷积神经网络和以前最好水准的哈希编码策略的图像检索方法。鉴于近几年卷积神经网络在大量的计算机视觉任务上的巨大进步,该方法首先使用在ILSVRC数据集上预训练过的VGGNet-D网络模型对实验图像数据集提取卷积特征来得到图像的深层表示,再采用以前最好水准的哈希策略将这些深层表示进行编码,从而得到图像的二进制码,最后再进行快速图像检索。在两个常用的数据集Caltech101和Caltech256上的实验结果表明,本文方法的5个策略相比于以前最好水准的相应的图像检索策略在“精度-召回率”和“平均正确率值-编码位数”两个指标上能获得更优异的性能,证明了本文方法在图像检索上的有效性。
图像检索、人工特征、卷积神经网络、卷积特征、哈希编码
11
TP391(计算技术、计算机技术)
国家自然科学基金项目61462018;广西学位与研究生教育改革和发展专项课题 JGY2014060;广西数字传播与文化软实力中心开放项目ZFZD1408008;广西高校图像图形智能处理重点实验室开放基金项目 LD15042X.
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
391-400