基于深度学习与哈希码的图像检索方法研究

发布时间：2020-05-31 10:32

【摘要】：随着网络和多媒体技术的发展,基于内容的图像检索(CBIR)作为一种精确、快速的检索方法越来越受到用户的欢迎。近年来,CBIR面临的主要问题是人工设计的底层特征难以描述人类所理解的图像语义信息,即“语义鸿沟”问题,以及如何快速、有效地从海量图像数据库中检索出相似图像。这两个问题对应的是CBIR的两个主要步骤,即图像特征提取以及基于图像特征的索引建立。本文的研究便是围绕这两个主要步骤展开的。(1)提出一种图像特征提取模块——基于非监督学习的SS-VGG16卷积神经网络,应用在图像特征提取阶段。该模块有三个创新点,解决了三个问题,即:VGG16模型参数量过大问题、VGG16网络只能输入固定大小图像的问题、监督学习不能基于无标签图像数据库进行训练的问题。本文对经典的卷积神经网络VGG16进行改进,提出的基于Squeeze Net思想的轻量化S-VGG16网络结构,旨在减少网络的参数量,更少的参数量代表更短的网络训练时间,同时意味着更快的图像特征提取速度。为了解决传统CNN不能提取任意大小图像的特征问题,本文使用空间金字塔池化(SPP)去代替S-VGG16网络中的最后一个最大池化层,得到SS-VGG16网络框架,使得网络能够接受任意大小的图像作为输入,因此无需进行图像拉伸、裁剪等预处理,避免了图像失真问题。考虑到对无标签数据集进行图像检索,本文提出无监督迁移学习对SS-VGG16框架进行训练。该方法利用相似图像数据的内在联系,使用图像特征均值作为训练目标。为证明提出的SS-VGG16网络结构的有效性,本文在MIT Places 365-Standard公共数据集上进行监督学习实验,使用Top-1和Top-5准确率作为评价标准,对比了本文提出的SS-VGG16与原始VGG16的图像检索性能,证明了SS-VGG16的有效性。为了证明本文提出的无标签无监督学习的有效性,使用Paris 6k、UKBench作为实验数据集,并分别以MAP、Top-4准确率作为评价标准,将本文提出的方法与近年来使用无监督学习方法进行比较,证明对SS-VGG16进行无监督训练在图像检索任务中的优越性。(2)提出一种基于深度特征、特征预降维、以及迭代量化编码的图像检索算法。在建立特征索引前,本文提出使用基于自编码器的特征预降维方法对数据进行非线性学习,以达到对特征进行预降维的目的。在建立特征索引阶段,本文提出使用迭代量化(ITQ)方法,对预降维后的SS-VGG16深度特征进行编码;ITQ方法不断逼近特征与设定比特数的哈希码之间的量化误差最小值,实现量化误差的最小化。本文使用查全率(Recall)、查准率(Precision)和平均精度均值(MAP)作为检索效果的评价指标,在Caltech256图像库上进行测试。实验结果表明,本文提出的图像检索算法性能要优于其他主流算法。
【图文】：

图像分类

研究认为人脑的神经元只能感受到小范围的视觉变化。因静止(Stationary)的特性，，即图像的一部分统计数据与其他部分相同。这像的一部分学习的功能也可以应用到图像的其他部分，因此每一个卷积的一个卷积核对图像进行特征学习。模型训练过程如下，每个输入图像将通过一系列由卷积核组成的tion Layers)、激活函数、池化层和完全连接层(Fully Connected Layers, FtMax 函数对概率值介于 0 和 1 之间的对象进行分类。图 2-3[40]描述了由的 CNN 的结构，通过多个卷积层、池化层对图像数据进行分析，全连到包含语义信息的图像特征，全连接层最后连接到 Softmax 层，对图像这个过程称为前向传播(Forward Propagation, FP)；而 CNN 的训练过程则化 SoftMax 层与标准答案(Ground Truth)的误差函数，并通过随机梯ic Gradient Descent )[41]等方法，将梯度方向等信息向前转播，进而每一权重进行更新，这个过程称为反向传播(Back Propagation)。

示意图,卷积,示意图,卷积核

的输出组合成该层的多通道矩阵输出，即二维特征图(Featu重能够辨别局部信息，当图像局部出现某种变化时，特征图一个通道堆叠所有卷积核形成的特征图的激活图便可以得到个矩阵，通常是 3x3（也可以是 7x7）。输入图像的矩阵表，以生成特征映射形成特征图。使用较小的卷积核可以减少算量，减少计算的复杂度。同时，较小卷积核反而能够学习的特性是识别特定对象所需要的图像特征的。例如，每种动络能够对它进行识别，而防止图像信息丢失的方法是拥有许征映射到特征图中的不同位置，较小卷积核能够保证特征图像的范围产生联系。现的卷积操作如图 2-4 所示：
【学位授予单位】：五邑大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】