基于深度卷積神經網絡的語義圖像檢索研究.pdf

1、圖像檢索問題作為計算機視覺的一個基本問題，已經有很多學者對它進行過分析和研究。本世紀初，人們逐漸認識到低級特征和高級語義特征之間固有的“語義鴻溝”，開始涉及基于語義的圖像檢索，但收效甚微。近年來，深度學習技術為飽受到傳統(tǒng)人工特征困擾的基于語義的圖像檢索問題打開了新的大門。相比較傳統(tǒng)方法，深度學習模型在挖掘深層次特征上有驚人的能力，更可能滿足圖像語義特征學習。但是，深度學習本身也處在一個快速發(fā)展的階段，并不是完全成熟的工具，在使用過程中需

2、要克服一些深度學習本身帶來的問題。例如，深度模型在實際訓練中的參數優(yōu)化問題。同時我們該選擇什么樣的深度模型來應對基于語義的圖像檢索問題，是我們首先需要考慮的。
　　本文梳理了圖像檢索技術和深度學習技術的發(fā)展歷程。在此基礎上，提出了一種基于語義的圖像檢索框架。該框架中主要包含三部分：(1)特征提取網絡，在本文中稱為多層級的圖像語義特征提取網絡，框架通過該網絡提取語義特征；(2)特征存儲結構，它將提取出來的特征降維并轉化成圖像語義距離

3、度量公式可以計算的格式；(3)圖像語義距離度量公式，框架最終通過它實現圖像語義距離的計算。
　　多層級的圖像語義特征提取網絡是該框架的核心，它的性能直接影響著整個框架的最終精度，該網絡能通過其層級結構分次對圖像中的語義特征進行提取，獨特的結構設計使得它可以挖掘圖像中更深層的語義。特征存儲結構將提取出來的圖像語義特征轉化成一種更低維更易計算的融合特征表，而圖像語義距離度量公式則將通過融合特征表計算圖像之間的語義距離，從而生成檢索結果