基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索方法.pdf

1、隨著科學(xué)技術(shù)的快速發(fā)展，各行各業(yè)需要處理的數(shù)據(jù)格式不再局限于文本形式，數(shù)字圖像成為十分重要的信息來(lái)源。如何從大量的數(shù)字圖像中準(zhǔn)確地檢索出所需要的圖像，是本文的研究?jī)?nèi)容。針對(duì)圖像檢索問(wèn)題，從不同的角度出發(fā)，提出兩個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索方法，分別是基于深度學(xué)習(xí)特征的圖像檢索方法和基于內(nèi)容的有監(jiān)督圖像檢索方法。
　　針對(duì)圖像高維特征占用巨大的存儲(chǔ)空間的問(wèn)題，且考慮到其中一些特征存在高度相關(guān)性，提出一種基于深度學(xué)習(xí)特征的圖像檢索方法

2、。利用卷積神經(jīng)網(wǎng)絡(luò)，提取了基于深度學(xué)習(xí)的圖像特征。通過(guò)分析特征本身存在的相關(guān)性，采用主成分分析算法，對(duì)特征降維的同時(shí)盡量降低信息的損失。在此基礎(chǔ)上對(duì)特征進(jìn)行哈希編碼，然后利用編碼做快速圖像檢索。Caltech101和Caltech256數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了，本方法與近期研究中基于深度特征編碼檢索的同類(lèi)方法相比，其檢索性能更好。
　　可被計(jì)算機(jī)識(shí)別的圖像像素信息與人類(lèi)感知的高水平語(yǔ)義概念之間存在著語(yǔ)義鴻溝，針對(duì)這個(gè)問(wèn)題，提出一種

3、基于內(nèi)容的有監(jiān)督圖像檢索方法，旨在縮小語(yǔ)義鴻溝。方法分三個(gè)階段實(shí)施，第一階段是在大規(guī)模數(shù)據(jù)集 ImageNet上的預(yù)訓(xùn)練。第二階段是，在目標(biāo)數(shù)據(jù)集上對(duì)模型進(jìn)行微調(diào)，使其更適合于目標(biāo)數(shù)據(jù)集的問(wèn)題求解，獲得微調(diào)后的模型。并對(duì)模型做如下的修改：將Alex CNN fc7層的輸出作為兩個(gè)層的輸入，這兩個(gè)層稱(chēng)為softmax層和pca層，分別進(jìn)行圖像的識(shí)別和特征子空間的轉(zhuǎn)換。檢索階段根據(jù)識(shí)別結(jié)果將 CNN特征轉(zhuǎn)換到相應(yīng)的子空間，在子空間中對(duì)特征實(shí)