基于深度卷积网络的特征融合图像检索方法

• 作者: 李尧 杨红菊
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像检索 深度学习 特征融合 深度卷积网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 114-119
• 页数: 6页
• 分类号: O436|TP391
• 字数: 3660字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2018.01.007

摘要

近些年基于内容的图像检索方法在计算机视觉领域取得了突破性的进展,这些成就均归功于深度卷积网络强大的非线性拟合能力.传统的检索方法均使用全连接层的激活值作为图像特征,而该层提取到的向量仅能描述图像整体的轮廓信息,缺乏对局部细节的刻画能力,而卷积层提取到的特征对局部空间纹理有较好的刻画能力.针对该问题,文章提出一种三维特征图的融合算法,每一个特征图都赋予对应的权重,将三维的特征图编码为一维的特征向量用于检索任务.实验分析表明,提出的特征编码方法在INRIA和Oxford数据集上平均查准率均提高了1个百分点,表明从卷积层计算得到的特征向量比全连接层更加适合于检索任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李尧	山西大学计算机与信息技术学院	1	2	1.0	1.0