结合注意力卷积神经网络的图像检索技术研究

摘要：

随着图像检索技术的不断发展,人们对检索效率的要求越来越高,开始将卷积神经网络(CNN)用于图像检索中.但很多基于CNN的图像检索系统对图像特征表达力不足,缺乏准确率和鲁棒性.因此提出结合注意力卷积神经网络(VGG-NA)的图像检索技术,提高准确率和效率.针对基础模型VGG-16缺少BN层、池化对局部的忽视、改进影响速度等因素,加入BN计算、替换Max-pooling层、减少FC层.并行加入串行注意力模型(CS-Attention)实现对特征向量加权重构,提高检索准确度.通过计算所要检索图像与图像库中图像的余弦相似度,得出相似图像.进行多个实验对比,证明VGG-NA模型相比较原模型在MAP,Recall和检索时间上提升明显.

关键词：图像检索;VGG-NA;VGG-16;CS-Attention;余弦相似度

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科学技术委员会科研计划项目19511105103

在线出版日期：2021-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2368-2374