卷积特征选择在图像检索中的应用研究

发布时间：2021-10-27 03:41

　　图像检索是计算机视觉的一个重要分支领域。图像检索的一般流程是,首先提取训练集中图像的特征,然后提取待检索图像的特征,接着计算待检索图像特征和训练集中图像特征的相似度,最后根据相似度大小排序并返回检索的图像。图像特征提取方法广泛采用基于尺度不变特征变换（Scale-invariant feature transform,SIFT）的提取方法,但是SIFT特征提取方法的主要问题在于:提取的特征过于底层,和图像底层纹理、轮廓结构有较大相关性,与人们对于图像理解的高层语义关系较弱。随着深度学习模型在计算机视觉中的广泛使用,一些研究者将深度学习和图像检索结合起来,利用预训练卷积神经网络提取图像特征,从而替代基于SIFT的特征提取方法,在一定程度上解决SIFT不能表达图像高层语义的问题。然而,大部分研究者直接使用从卷积神经网络中提取的特征,并没有对这些特征进行挑选。考虑到卷积神经网络一般都以分类任务作为目标进行网络权重的训练,因此训练好的卷积神经网络权重可能更适合做分类任务而不是图像检索。基于此,本文提出选择卷积特征融合法（Selective Convolution Feature Fusion,... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图像检索的一般流程

重庆大学硕士学位论文2图像检索相关理论与技术图2.1神经网络的历史发展Fig.2.1Thehistoryofneuralnetwork①神经网络的源起最早的神经网络思想源于1943年的MCP人工神经网络（MCP是人工神经网络概念的提出者W.McCulloch和W.Pitts名称的缩写），受到人的神经元反应过程的启发，研究者希望通过计算机来模拟此过程，并最终抽象成为图2.2所示的结构：图2.2神经网络的一般结构Fig.2.2Generalstructureofneuralnetwork9

重庆大学硕士学位论文2图像检索相关理论与技术图2.1神经网络的历史发展Fig.2.1Thehistoryofneuralnetwork①神经网络的源起最早的神经网络思想源于1943年的MCP人工神经网络（MCP是人工神经网络概念的提出者W.McCulloch和W.Pitts名称的缩写），受到人的神经元反应过程的启发，研究者希望通过计算机来模拟此过程，并最终抽象成为图2.2所示的结构：图2.2神经网络的一般结构Fig.2.2Generalstructureofneuralnetwork9


本文编号：3460798