基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网络图像资源增长迅速,如何实现快速有效的大规模图像检索,成为当前研究的热点之一.深度神经网络对图片特征有很强的表达能力,利用典型深度卷积神经网络VGG16在预训练完成的模型上使用网络全连接层的输出提取待检索图像数据集的特征以建立索引,并采用局部敏感哈希算法提升检索速度,以端到端的形式,完成基于内容的图片检索任务.这种图像检索模型提供了一种在计算资源有限情况下实现大规模图像检索的有效方法.
推荐文章
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
结合卷积神经网络与哈希编码的图像检索方法
图像检索
卷积神经网络
哈希编码
网络模型
图片对生成
网络训练
基于深度哈希卷积神经网络的医学图像检索
深度哈希
卷积神经网络
医学图像检索
特征提取
基于卷积神经网络的灯具商品图像检索
卷积神经网络
商品图片搜索
YOLO算法
多标签分类任务
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度卷积神经网络和局部敏感哈希的图像检索
来源期刊 应用技术学报 学科 社会科学
关键词 图像检索 深度卷积神经网络 局部敏感哈希
年,卷(期) 2020,(2) 所属期刊栏目 机械与电气工程
研究方向 页码范围 165-170
页数 6页 分类号 G202
字数 2985字 语种 中文
DOI 10.3969/j.issn.2096-3424.2020.02.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈希忠 上海应用技术大学电气与电子工程学院 44 148 7.0 10.0
2 廖荣凡 上海应用技术大学电气与电子工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像检索
深度卷积神经网络
局部敏感哈希
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
应用技术学报
季刊
2096-3424
31-2133/N
大16开
上海是徐汇区漕宝路120号期刊社
2001
chi
出版文献量(篇)
1505
总下载数(次)
5
论文1v1指导