文献类型：期刊文章

作　　者：柯圣财[1] 赵永威[2] 李弼程[1] 彭天强[3]

机构地区：[1]解放军信息工程大学信息系统工程学院,河南郑州450001 [2]武警工程大学电子技术系,陕西西安710000 [3]河南工程学院计算机学院,河南郑州450001

出　　处：《电子学报》

基　　金：国家自然科学基金(No.60872142;No.61301232)

年　　份：2017

卷　　号：45

期　　号：1

起止页码：157-163

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171103434940)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：当前主流的图像检索方法采用的视觉特征,缺乏自主学习能力,导致其图像表达能力不强,此外,传统的特征索引方法检索效率较低,难以适用于大规模图像数据.针对这些问题,本文提出了一种基于卷积神经网络和监督核哈希的图像检索方法.首先,利用卷积神经网络的学习能力挖掘训练图像内容的内在隐含关系,提取图像深层特征,增强特征的视觉表达能力和区分性;然后,利用监督核哈希方法对高维图像深层特征进行监督学习,并将高维特征映射到低维汉明空间中,生成紧致的哈希码;最后,在低维汉明空间中完成对大规模图像数据的有效检索.在Image Net-1000和Caltech-256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,提高图像检索效率,优于当前主流方法.

关 键 词：深度学习  图像检索 卷积神经网络 近似近邻检索  监督核哈希  

分 类 号：TP391]