基于多任务CNN的实例感知图像检索技术

发布时间：2024-03-30 17:44

　　随着移动互联网和数字媒体的普及,图像、视频数据逐步成为网络不可或缺的资源,对多媒体时代的海量图像有效存储和高效检索是我们当前面临的机遇和挑战。在这一挑战中图像哈希技术将高维数据映射成低维二进制哈希码是关键。哈希码的质量取决于图像哈希算法中哈希函数的设计和图像表征的有效性。基于人工提取的图像特征对图像的表征能力有限,在实际使用中结果并不理想。哈希函数的设计也很难适用于多个数据集。近年来,计算机视觉、深度学习迅猛发展,基于深度学习自动学习数据特征的方式逐渐代替原有的人工获取,实现了更智能更自动化的特征提取方式。将深度学习技术和哈希编码技术相结合是当前图像哈希技术的主流研究方向。在深度图像哈希技术中,寻找、探索更有效的卷积神经网络结构和优化算法是研究热点。根据国内外学者对深度学习图像哈希技术现状的研究和分析,本文主要对图像检索的深度图像哈希技术进行了分析和实验,工作如下:针对现存的以图搜图系统中自动化和智能化水平低、缺乏人工智能技术支撑、难以获取精确的检索结果、检索系统耗费计算机内存、实时性等难以满足多媒体时代下海量图像的检索需求。依据问题提出了一种多任务级联分层图像检索方法。首先利用选择性...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2-1图像检索流程

大规模图像检索目的是寻找与查询图像中相似目标的图像，因此如何提取图的特征和图像相似性的度量至关重要。本章从图像检索主要流程、图像哈希的本属性、图像哈希评判标准和深度学习相关知识等方面进行详细介绍。.1基于哈希技术的图像检索流程基于哈希算法的图像检索技术是将高维的图像特征表示映射....

图3-1多任务深度学习网络结构框图

和字符的细粒度识别两个任务的相辅获取了更好的识别效果；文献[44]提出了一种新颖的多任务面部关键点检测的人脸识别方法，同样取得了较好识别效果，提高了人脸识别精度。3.3系统网络结构设计针对以上问题，提出了一种多任务学习深度学习网络。多任务学习[45]作为一种归纳迁移机制，可理解....

图4-1本章的整体框架

基于多任务CNN的实例感知图像检索技术化的检索方式统一到端到端的检索方法中，显然在多类别的图像检索场景中该索方法并非最佳。4.2.1整体网络结构的设计针对以上问题，本章结合图像哈希表示方法和深度卷积神经网络，提出了种基于多任务级联网络的分层大规模图像检索技术，以第三章的多任....

图4-2粗检索流程示意图

索方法—粗检索过程中建立了候选池U，因此在第h矩阵的检索策略，进一步精选出最相似的与待检索图像中指定的检索对象越相似。特征提取一个基本的问题是目标定位检测，FasterRCN类别数据集，并取得了十分出色的定位和识网络框架中产生的感兴趣区域包含了大量的语义特征的提取和检索过....

本文编号：3942711