基于深度卷积神经网络的图像检索算法研究

• 作者: 刘海龙 吕学强 李宝安 黄跃
• 来源期刊: 计算机应用研究
• 关键词: 图像检索 卷积神经网络 特征提取 深度学习
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3816-3819
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.067

摘要

为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法.首先,改进LeNet-5卷积神经网络结构,增加网络结构深度;然后,对深度卷积神经网络模型LeNet-L进行预训练,得到训练好的网络模型,进而提取出图像高层语义特征;最后,通过距离函数比较待检图像与图像库的相似度,得出相似图像.在Corel数据集上,与原模型以及传统基于SVM主动学习图像检索方法相比,该图像检索方法有较高的准确性.经实验结果表明,改进后的卷积神经网络具有更好的检索效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宝安	北京信息科技大学计算机学院	19	106	5.0	10.0
2	吕学强	北京信息科技大学网络文化与数字传播北京市重点实验室	146	1187	15.0	30.0
3	黄跃		14	115	5.0	10.0
4	刘海龙	北京信息科技大学网络文化与数字传播北京市重点实验室	1	51	1.0	1.0