基于深度学习的图像检索研究

• 作者: 孙奇平
• 来源期刊: 景德镇学院学报
• 关键词: 图像检索 深度学习 卷积神经网络 Caffe 主成分分析
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 基础理论及应用技术研究
• 页码范围: 15-18
• 页数: 4页
• 分类号: TP334.2
• 语种: 中文
• DOI: 10.3969/j.issn.1008-8458.2018.03.009

摘要

移动互联等新一代信息技术的广泛深入使用,带来了海量的图像数据.利用传统的CBIR检索方法,已满足不了人们对海量图像的检索需求.本文介绍了基于深度学习的图像检索方法,对CNN模型AlexNet进行改进.采用改进后的模型对CALTECH101和COREL数据集进行训练,提高了训练速度和正确率.对模型输出的CNN特征进行降维处理采用PCA算法.实验结果表明,本文方法明显优于基于GIST特征,对CNN特征进行降维后,能有效提高检索性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙奇平	福建广播电视大学漳州分校理工系	2	4	1.0	2.0