基于提取标签显著性区域的深度学习图像检索方法

• 作者: 王炅昱 田少骅 胡琦瑶 蒙泽新
• 来源期刊: 物联网技术
• 关键词: 显著性区域 标签向量化 word2vec 图像三元组 图像检索 哈希编码
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 54-57
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.09.016

摘要

现今主流的图像检索技术需人工添加数据集标签后,方可对深度学习网络进行训练.但人为添加标签会花费大量时间及精力,并且对图片标签的描述有一定的条件性和规则性,因此添加的标签不能够很好地代表大众的视觉习惯,不利于神经网络的深度训练,得到的结果准确率不尽如人意.为解决这些问题,文中提出了一种基于提取标签显著性区域的深度学习图像检索方法.首先,对图片集进行网络标签粗过滤,去除与图片无关的噪声标签;其次,提取已知图像的显著性区域,对显著性区域标签进行向量化;将确定显著性区域图像的三元组作为VGG16网络的输入,通过三元组目标函数对图像进行学习;通过汉明距离的判断,得到检索的相似图片.实验对比表明,现有方法的准确率相比原有方法准确性提高了3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡琦瑶	西北大学信息科学与技术学院	7	7	1.0	2.0
2	田少骅	西北大学信息科学与技术学院	1	0	0.0	0.0
3	蒙泽新	西北大学信息科学与技术学院	1	0	0.0	0.0
4	王炅昱	西北大学信息科学与技术学院	1	0	0.0	0.0