基于CNN特征加权和区域整合的图像检索

• 作者: 廖开阳 曹从军 汤梓伟 袁晖 邓轩 郑元林
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 图像检索 卷积神经网络 全局特征 特征加权 区域整合
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 图形与图像
• 页码范围: 113-121
• 页数: 9页
• 分类号: TP391.4
• 字数: 5541字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.01.015

摘要

相比传统特征,卷积神经网络提取的特征对图像具有更强的描述能力,其卷积层比全连接层更适合用来检索图像.然而卷积特征是高维特征,若直接用来匹配图像会消耗大量的时间和内存.提出了一种新的改善和整合卷积特征,形成单维特征向量,再将其用于图像匹配的方法.首先,提取最后一个卷积层的三维特征,再对该卷积特征重新加权,突显图像的边缘信息和位置信息;其次,用滑动窗口进行处理,形成多个区域特征向量,再相加整合成全局特征向量;最后,用余弦距离衡量查询图和测试图的相似性得出检索的初始排名,并且用拓展查询方法进行重排得出最终的平均精度均值mAP.分别在Paris6k和Oxford5k数据库以及用100k张图扩展的Paris106k和Oxford105k数据库上进行测试.相对于CroW方法在Paris数据库上获得的mAP性能指标,本文方法提升了约3个百分点;在Oxford数据库上提升了约1个百分点.实验结果表明,新方法提取的全局特征能够更好地描述图像.