基于深度卷积神经网络的图像自编码算法

发布时间：2021-01-05 03:19

　　针对目前图像编码的研究工作更加重视信息无损性,而没有体现出社交网络图像区分度的问题,本研究提出一种新颖的基于深度卷积神经网络的社交网络图像自编码算法,将深度卷积神经网络提取特征的能力与社交网络中图像的特点相结合,得到性能良好的图像自编码。结合社交网络图片的特性与聚类算法,先将图片进行聚类得到距离信息,再利用深度卷积神经网络学习图片的距离信息,提取深度卷积神经网络中的全连接层作为编码,重复以上步骤,并得到最终的图像编码。试验结果表明,本研究提出的算法在图像搜索中的效果好于其他算法,更利于在社交网络图像搜索中使用。 

【文章来源】：山东大学学报(工学版). 2019年02期 北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 相关工作
2 基于深度卷积神经网络的社交网络图像自编码算法
    2.1 社交网络图像距离信息的提取
    2.2 深度卷积神经网络编码学习与生成
3 试验结果与分析
    3.1 试验方法以及客观评价指标
    3.2 DCNNSE在图像搜索应用中的准确率对比与分析
4 结语


【参考文献】：
硕士论文
[1]大规模人脸图像编码及其在人脸验证中的应用研究[D]. 谢易道.电子科技大学 2015
[2]基于Context建模的熵编码在无失真图像压缩中的应用[D]. 张峰.云南大学 2015



本文编号：2957919