联合加权聚合深度卷积特征的图像检索方法

• 作者: 时璇 李党超 李晨 王佳星 许林松
• 来源期刊: 西安交通大学学报
• 关键词: 图像检索 深度卷积特征 空间权重矩阵 通道权重向量 聚合
• 年，卷（期）: 2019,（2）
• 页码范围: 128-135
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7652/xjtuxb201902017

摘要

针对图像特征提取不充分影响图像检索平均精确率的问题,提出了一种基于联合加权聚合深度卷积特征的图像检索方法.该方法将图像输入到预先训练好的卷积神经网络中,提取最后一个卷积层输出作为图像的深度卷积特征;通过计算空间权重矩阵突出图像的显著性区域并抑制背景噪声区域,然后根据通道方差最大原则选取相应的特征图计算出空间权重矩阵,将原始深度卷积特征加权聚合为列向量;通过区分性地对待不同通道的特征图,计算出通道权重向量与上述列向量点乘得到最终的全局特征向量.公开数据集上的实验结果表明,本文方法能够有效地增强图像特征的表达能力,在图像检索的平均精确率上优于其他同类方法,可以有效地应用到图像检索相关领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李党超	西安交通大学实践教学中心	3	1	1.0	1.0
2	李晨	西安交通大学软件学院	47	175	7.0	11.0
3	王佳星	西安交通大学软件学院	3	9	2.0	3.0
4	时璇	西安交通大学软件学院	3	4	1.0	2.0
5	许林松	西安交通大学软件学院	1	1	1.0	1.0