基于卷积神经网络和监督核哈希的图像检索方法

• 作者: 彭天强 李弼程 柯圣财 赵永威
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 深度学习 图像检索 卷积神经网络 近似近邻检索 监督核哈希
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 157-163
• 页数: 7页
• 分类号: TP391
• 字数: 5741字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.01.022

摘要

当前主流的图像检索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,此外,传统的特征索引方法检索效率较低,难以适用于大规模图像数据.针对这些问题,本文提出了一种基于卷积神经网络和监督核哈希的图像检索方法.首先,利用卷积神经网络的学习能力挖掘训练图像内容的内在隐含关系,提取图像深层特征,增强特征的视觉表达能力和区分性;然后,利用监督核哈希方法对高维图像深层特征进行监督学习,并将高维特征映射到低维汉明空间中,生成紧致的哈希码;最后,在低维汉明空间中完成对大规模图像数据的有效检索.在ImageNet-1000和Caltech-256数据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,提高图像检索效率,优于当前主流方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程	解放军信息工程大学信息系统工程学院	77	636	13.0	22.0
2	彭天强	河南工程学院计算机学院	14	115	4.0	10.0
3	柯圣财	解放军信息工程大学信息系统工程学院	4	62	4.0	4.0
4	赵永威	武警工程大学电子技术系	5	68	3.0	5.0