基于深度特征加权的图像表示方法

• 作者: 吴树芳 朱杰 谢博鋆 赵相坤
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 卷积神经网络 图像检索 特征加权 池化
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 47-53
• 页数: 7页
• 分类号: TP391
• 字数: 5467字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2019164

摘要

卷积神经网络可以在图像检索中为图像内容提供有效的表示,基于该理论提出一种基于深度特征加权的图像表示方法,此方法通过对深度特征加权,突出图像表示中对象的内容,并降低背景信息的影响.首先,通过预训练卷积神经网络提取出图像的特征映射,然后根据不同特征映射的特点,计算出深度特征的位置重要性、区域重要性和通道重要性,并根据3种重要性对深度特征进行加权,最后通过池化与深度特征聚合的方式生成图像表示.实验结果表明,与其他图像表示方法相比,提出的方法在Holiday、Oxford和Paris图像库中取得了更好的检索效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱杰	中央司法警官学院信息管理系	40	99	6.0	8.0
2	吴树芳	河北大学管理学院	34	133	7.0	10.0
3	赵相坤	首都医科大学生物医学工程学院	7	11	2.0	3.0
4	谢博鋆		5	4	2.0	2.0