基于深度学习与拓展查询的商标图像检索方法

• 作者: 吴家飞 柯俊敏 苏浩明 郭升挺 陈宝林 黄晞
• 来源期刊: 网络新媒体技术
• 关键词: 深度学习 基于内容的图像检索 拓展查询
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术研究
• 页码范围: 33-39
• 页数: 7页
• 字数: 4247字
• 语种: 中文

摘要

为了解决商标图像检索时,由于图像抽象性和复杂性的特点所带来检索时的“语义鸿沟”问题,提出一种基于深度学习的商标图像检索方法.由于深度学习技术在图像识别和图像分类技术中有着优秀表现,因此我们利用它来解决商标图像检索时遇到的一系列问题.本文还改进了拓展查询算法,并利用它优化检索系统.首先,我们利用商标图像的特征构建了一个多类别的商标图像数据集.其次,利用商标图像库训练一个稳定的AlexNet卷积神经网络模型,并构建商标图像特征库.接着,利用训练好的网络模型提取输入商标的深层语义特征并通过距离函数进行相似性度量.最后,提出一种改进的拓展查询方法,利用其对候选图像进行拓展查询,得到相似图像.经过实验结果表明,基于深度学习的商标图像检索方法比传统基于SVM主动学习的图像检索方法有着更好的检索效果.