基于半监督深度网络学习的细粒度图像检索

• 作者: 李菲菲 王晓飞 陈虬
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 半监督 细粒度 图像检索
• 年，卷（期）: 2018,（22）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP391.4|TN911.73
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801829

摘要

针对传统图像特征在细粒度图像检索上的不足,提出一种基于稀疏编码的半监督深度学习算法,来提高细粒度图像的检索性能.该算法首先通过少量带标签的训练样本来微调深度神经网络模型,然后通过该模型生成其对应的稀疏编码,最后以重构的稀疏编码作为网络训练的监督信息,通过最小化交叉熵损失函数来优化深度神经网络模型.在公开的细粒度图像数据集上进行了对比实验,结果表明,所提出的算法在少量标记样本的情况下具有较好的检索性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李菲菲		21	44	4.0	5.0
2	陈虬		17	40	4.0	5.0
3	王晓飞		7	7	2.0	2.0