基于卷积神经网络的图书页面检索方法

发布时间：2018-01-11 13:09

本文关键词：基于卷积神经网络的图书页面检索方法　出处：《华中科技大学学报(自然科学版)》2017年11期 　论文类型：期刊论文

【摘要】：针对现有图书页面检索方法检索精度低的问题,利用任务无关数据集训练卷积神经网络,提出了一种基于卷积神经网络的图书页面检索方法.首先将待检图书页面图像进行图像分割和畸变校正,降低背景的干扰和几何畸变的影响;然后将校正后的图像输入卷积神经网络提取图像特征;最后使用夹角余弦距离来度量待检图像和候选图像的相似度.实验结果表明:本方法在测试数据集上的Top-5命中率为97.31%,而直接使用任务无关数据集训练的卷积神经网络的Top-5命中率仅为58.47%.本方法避免了耗费大量的时间和精力去收集大规模图书页面图像数据库,而且利用卷积神经网络强大的图像特征描述能力,取得了优异的图书页面检索精度.
[Abstract]:Aiming at the problem of low retrieval accuracy of existing book page retrieval methods, task-independent data sets are used to train convolutional neural networks. In this paper, a book page retrieval method based on convolution neural network is proposed. Firstly, image segmentation and distortion correction are carried out to reduce the influence of background interference and geometric distortion. Then the corrected image input convolution neural network is used to extract the image features. Finally, the angle cosine distance is used to measure the similarity between the image to be tested and the candidate image. The experimental results show that the Top-5 hit ratio of this method on the test data set is 97.31%. However, the Top-5 hit ratio of convolutional neural networks trained directly using task-independent data sets is only 58.47. This method avoids consuming a lot of time and effort to collect large scale book page image database. . Moreover, by using the powerful image feature description ability of the convolution neural network, the excellent retrieval accuracy of the book page is obtained.
【作者单位】：华中师范大学国家数字化学习工程技术研究中心;华中师范大学教育信息技术协同创新中心;
【基金】：国家自然科学基金资助项目(61702208,41671377,61502195) 中央高校基本科研业务费专项资金资助项目(CCNU17QN0003,CCNU2016A02020)
【分类号】：TP183;TP391.41
【正文快照】： 基于计算机视觉的图书页面检索存在大量的潜在应用,如图书管理[1]、电子资源快速访问[2-3]、增强现实和电子商务等.图书页面检索是基于内容的图像检索(CBIR)的一个特例.由于数据库中保存的是图书页面的标准图像,而用户拍摄的待检图像中一般包含有大量的背景干扰并且存在严重的

【相似文献】