融合多尺度特征的深度哈希图像检索方法

• 作者: 周书仁 蔡碧野 谢盈
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 图像检索 卷积神经网络 池化 哈希编码
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1974-1986
• 页数: 13页
• 分类号: TP391
• 字数: 7381字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1709060

摘要

近期,许多学者开始结合深度网络进行图像处理,与传统的基于人工抽取的特征相比,由深度卷积网络提取的特征更为准确,效果更好.因此,提出了一种结合卷积神经网络和哈希算法的深度网络架构,用于大规模图像检索.一方面,为了更好地保持哈希编码之间的语义相似性,引入了多任务学习机制,将图像分类信息和图像间的相似度信息同时用于模型的训练,并且根据信息熵理论,训练过程中使哈希编码尽可能地维持均匀分布以增加信息量;另一方面,提出了一种多尺度融合池化方法(multi-scale fusion pooling,MSFP),融合图像中多种尺度的区域信息,提升了检索性能,同时明显地减少了网络参数.在SVHN、CIFAR-10和NUS-WIDE等数据集上的实验结果表明,提出的算法与现有的基准算法相比,检索效果具有明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周书仁	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	41	325	11.0	15.0
5	蔡碧野	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	18	66	6.0	7.0
9	谢盈	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	1	5	1.0	1.0