基于深度学习的显著性区域的图像检索研究

• 作者: 江加和 王立新
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 图像检索 卷积神经网络 局部特征 全局特征 显著性区域 相似度 深度学习 模型训练
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 63-67
• 页数: 5页
• 分类号: TP391
• 字数: 4059字
• 语种: 中文
• DOI: 10.11991/yykj.201803012

摘要

利用神经网络提取的图像全局特征包含图像上的冗余信息,影响检索的精度,为了解决这个问题,提出了一种基于VGG16的改进网络结构、保留图像空间信息、提取图像显著性区域局部特征的算法.首先利用改进的网络对数据进行训练,得到准确率较高的模型,利用训练好的模型对所有图像使用类激活映射(CAM)的方法定位出图像的显著性区域;然后利用相同的模型提取局部显著性区域特征,构建图像数据库;最后对查询图像使用距离比较函数(L2)计算相似度,按相似度大小排列返回相似图像.在Corel数据集上,对比提取神经网络全局特征以及使用传统SIFT特征构建的K-means模型,使用局部显著性区域特征有较高的检索精度.实验结果表明,该模型有较好的检索效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立新	北京航空航天大学自动化科学与电气工程学院	80	483	12.0	18.0
2	江加和	北京航空航天大学自动化科学与电气工程学院	10	35	4.0	5.0