基于卷积神经网络的哈希在图像检索中的应用

发布时间：2018-04-26 21:35

  本文选题：哈希 + 卷积神经网络　； 参考：《计算机工程与设计》2017年02期

【摘要】：为解决传统的基于人工视觉特征的图像哈希检索方法不一定能保留图像语义相似性,导致检索性能不好的问题,提出一个高效的基于卷积神经网络的哈希编码检索方法。去掉AlexNet网络原来的F7层,加入新的节点为48且激活函数为sigmoid函数的全连接层,采用该改进网络模型针对目标数据集进行微调,阈值设置为0.5,二值化新加入层的激活值得到哈希二进制编码,采用哈希编码进行检索。在CIFAR-10数据集上的实验结果表明,该方法与CNNH+相比性能提升了30%,在MINST数据集上也优于其它方法,验证了该方法对于大规模图像检索的有效性。
[Abstract]:In order to solve the traditional image hash retrieval method based on artificial visual features, the problem that the image semantic similarity can not be retained and the retrieval performance is poor, an efficient hash coding retrieval method based on the convolution neural network is proposed. The original F7 layer of AlexNet network is removed, the new node is added to 48 and the activation function is sigmoid The full connection layer of the function uses the improved network model to fine tune the target data set. The threshold is set to 0.5. The activation of the two value added layer is worth the hash binary encoding and the hash code is used to retrieve. The experimental results on the CIFAR-10 dataset show that the performance of this method is improved by 30% compared with the CNNH+, in the MINST dataset. It is also superior to other methods to verify the effectiveness of the method for large-scale image retrieval.

【作者单位】： 桂林电子科技大学计算机与信息安全学院;
【基金】：广西自然科学基金项目(2013GXNSFAA019350) 广西科技公关基金项目(桂科攻1598019-6)
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 韩法旺;;基于云计算模式的图像检索研究[J];情报科学;2011年10期

2 何岩;;以计算机为基础的色彩图像检索方法与研究[J];计算机光盘软件与应用;2013年12期

3 郭海凤;李广水;仇彬任;;基于融合多特征的社会网上图像检索方法[J];计算机与现代化;2013年12期

4 柏正尧,周纪勤;基于复数矩不变性的图像检索方法研究[J];计算机应用;2000年10期

5 夏峰,张文龙;一种图像检索的新方法[J];计算机应用研究;2002年11期

6 邓诚强,冯刚;基于内容的多特征综合图像检索[J];计算机应用;2003年07期

7 斯白露,高文,卢汉清,曾炜,段立娟;基于感兴趣区域的图像检索方法[J];高技术通讯;2003年05期

8 刘怡,于沛;基于“知网”的新闻图像检索方法[J];河南师范大学学报(自然科学版);2003年02期

9 张荣,郑浩然,李金龙,王煦法;进化加速技术在图像检索中的应用[J];计算机工程与应用;2004年16期

10 黄德才,胡嘉,郑月锋;交互式图像检索中相关反馈进展研究[J];计算机应用研究;2005年09期

相关会议论文 前10条

1 陈旭文;朱红丽;;一种高效的图像检索方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

2 周向东;张亮;张琪;刘莉;殷慷;施伯乐;;一种新的图像检索相关反馈方法[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈世亮;李战怀;闫剑锋;;一种基于本体描述的空间语义图像检索方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 赵海英;彭宏;;基于最优近似反馈的图像检索[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

5 许相莉;张利彪;于哲舟;周春光;;基于商空间粒度计算的图像检索[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 李凌伟;周荣贵;刘怡;;基于概念的图像检索方法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

7 杨关良;李忠杰;徐小杰;;基于代表色的图像检索方法研究[A];首届信息获取与处理学术会议论文集[C];2003年

8 彭瑜;乔奇峰;魏昆娟;;基于多示例学习的图像检索方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 胡敬;武港山;;基于语义特征的风景图像检索[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 许天兵;;一种基于语义分类的图像检索方法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

相关博士学位论文 前10条

1 崔超然;图像检索中自动标注、标签处理和重排序问题的研究[D];山东大学;2015年

2 杨迪;基于内容的分布式图像检索[D];北京邮电大学;2015年

3 张旭;网络图像检索关键技术研究[D];西安电子科技大学;2014年

4 吴梦麟;基于半监督学习的医学图像检索研究[D];南京理工大学;2015年

5 汪友宝;基于多分辨率和显著特征的图像检索方法研究[D];上海大学;2015年

6 张运超;面向海量图像检索的视觉编码方法分析与优化[D];北京理工大学;2015年

7 高毫林;基于哈希技术的图像检索研究[D];解放军信息工程大学;2014年

8 李清亮;图像检索中判别性增强研究[D];吉林大学;2016年

9 刘爽;多特征融合图像检索方法及其应用研究[D];哈尔滨理工大学;2016年

10 程航;密文JPEG图像检索研究[D];上海大学;2016年

相关硕士学位论文 前10条

1 赵鸿;基于尺度不变局部特征的图像检索研究[D];华南理工大学;2015年

2 孙剑飞;基于图像索引的热点话题检索方法研究[D];兰州大学;2015年

3 章进洲;图像检索中的用户意图分析[D];南京理工大学;2015年

4 苗思杨;移动图像检索中的渐进式传输方式研究[D];大连海事大学;2015年

5 都业刚;基于显著性的移动图像检索[D];大连海事大学;2015年

6 王梦蕾;基于用户反馈和改进词袋模型的图像检索[D];南京理工大学;2015年

7 许鹏飞;基于草图的海量图像检索方法研究[D];浙江大学;2015年

8 冯进丽;基于BoF的图像检索与行为识别研究[D];山西大学;2015年

9 乔维强;基于低级特征和语义特征的医学图像检索[D];北京理工大学;2015年

10 蒋国宝;基于内容的概念建模和图像检索重排序[D];复旦大学;2014年

，

本文编号：1807807