基于深度卷积神经网络的图像检索研究

• 作者: 李明东 李贤富 邓旭 阳华东
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 图像检索 预训练
• 年，卷（期）: 2019,（2Z）
• 页码范围: 184-186
• 页数: 3页
• 分类号: TP391.41

摘要

深度卷积神经网络能自动从训练样本中学习高层语义特征,本文尝试将深度卷积神经网络用于图像检索,以解决语义鸿沟问题,将图像检索输入特征使用改进的卷积神经网络作为提取特征。但传统的深度卷积神经网络学习过程的初始参数是随机的,在实际训练过程中,如果训练的样本集不是足够大该模型容易出现局部优化或过度拟合,致使实际结果不好。因此,本文提出了一种改进的卷积神经网络模型,该模型使用未标记的样本数据预训练深度卷积神经网络。在这个改进的模型中,结合自动编码器的原理,通过重建输入数据来提取输入数据的特征表达式并在常用的Caltech 256数据集上对所提出的方法进行实验。实验结果证明;对于大型神经网络,提出的改进算法具有较高精度且在时间收敛速度方面较原算法也有提升。同时,还使用了ImageNet预训练的VggNet网络的特征作为图像检索的输入特征,结果显示:1.VggNet取得了最高的准确率和ImageNet极易陷入过拟合,因此很难得到最好的训练结果。