天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當前位置:主頁 > 科技論文 > 軟件論文 >

基于多特征多核哈希學習的大規(guī)模圖像檢索

發(fā)布時間:2019-06-10 01:39
【摘要】:哈希學習方法解決了圖像大數(shù)據(jù)的檢索效率低,存儲代價高的問題.目前已有的核哈希方法中,要么僅使用一種特征對應(yīng)單個核函數(shù),要么是多特征對應(yīng)單個核函數(shù),它們忽視了綜合考慮不同的核函數(shù)具有的不同作用和不同的特征包含不同的信息的事實.本文提出了一種自適應(yīng)的多特征多核的哈希學習算法(MFMKH),該算法能夠自適應(yīng)學習多特征融合的權(quán)重系數(shù)和多核融合的權(quán)重系數(shù),將多特征和多核的優(yōu)點進行了雙重融合.本算法中的特征融合解決了單特征所包含的信息量單一不足的問題,采用多種不同的核函數(shù)能夠彌補單核學習能力上的不足,具有多特征自適應(yīng)融合和多核學習的雙重優(yōu)點.在標準的IRMA,Ultrasound和Cifar10數(shù)據(jù)集上的實驗表明,本文算法檢索性能明顯優(yōu)于同類基于核的哈希學習方法,且與監(jiān)督的深度哈希相比訓練時間顯著少的情況下檢索性能在Cifar10數(shù)據(jù)集上是可競爭的.
[Abstract]:The hash learning method solves the problems of low retrieval efficiency and high storage cost of image big data. In the existing kernel hash methods, either only one feature is used to correspond to a single kernel function, or a multi-feature corresponds to a single kernel function. They ignore the fact that different kernel functions have different functions and different characteristics contain different information. In this paper, an adaptive multi-feature and multi-core hash learning algorithm (MFMKH), is proposed, which can adaptively learn the weight coefficient of multi-feature fusion and the weight coefficient of multi-core fusion, and combine the advantages of multi-feature and multi-core. The feature fusion in this algorithm solves the problem of single information contained in single feature. Using many different kernel functions can make up for the deficiency of single kernel learning ability, and has the dual advantages of multi-feature adaptive fusion and multi-core learning. Experiments on standard IRMA,Ultrasound and Cifar10 datasets show that the retrieval performance of this algorithm is obviously better than that of similar kernel-based hash learning methods. Compared with the supervised deep hash, the retrieval performance is competitive on the Cifar10 dataset when the training time is significantly less.
【作者單位】: 重慶郵電大學計算機科學與技術(shù)學院;重慶郵電大學計算智能重慶市重點實驗室;
【基金】:國家重點研發(fā)計劃云計算和大數(shù)據(jù)重點專項(批準號:2016YFB1000905) 國家自然科學基金項目(批準號:61672120) 重慶自然科學基金項目(批準號:cstc2015jcyj A40036)資助
【分類號】:TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 潘輝;鄭剛;胡曉惠;馬恒太;;基于感知哈希的圖像內(nèi)容鑒別性能分析[J];計算機輔助設(shè)計與圖形學學報;2012年07期

2 鄒建成;周紅麗;鄧歡軍;;一種安全魯棒的圖像哈希方法[J];計算機應(yīng)用研究;2009年06期

3 張維克;孔祥維;尤新剛;;安全魯棒的圖像感知哈希技術(shù)[J];東南大學學報(自然科學版);2007年S1期

4 徐澤明;侯紫峰;;串的快速連續(xù)弱哈希及其應(yīng)用[J];軟件學報;2011年03期

5 劉麗;李曉舉;李玲玲;;視頻哈希的性能分析與測試[J];計算機工程;2012年06期

6 周國強;田先桃;張衛(wèi)豐;張迎周;;基于圖像感知哈希技術(shù)的釣魚網(wǎng)頁檢測[J];南京郵電大學學報(自然科學版);2012年04期

7 吳鶴齡;;動態(tài)哈希文件的實現(xiàn)技術(shù)[J];計算機研究與發(fā)展;1990年03期

8 李嬌;王健;曹繼文;陳彤;;基于感知哈希的在線發(fā)表論文版權(quán)保護系統(tǒng)[J];信息網(wǎng)絡(luò)安全;2013年11期

9 付曉青;常朝穩(wěn);;基于蹤跡語義的軟件哈希方案[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2009年06期

10 歐陽遄飛;張寅;張嘯;邵健;吳飛;;結(jié)構(gòu)化稀疏譜哈希索引[J];計算機輔助設(shè)計與圖形學學報;2012年01期

相關(guān)會議論文 前3條

1 張維克;孔祥維;尤新剛;;安全魯棒的圖像感知哈希技術(shù)[A];第七屆全國信息隱藏暨多媒體信息安全學術(shù)大會論文集[C];2007年

2 夏斌;王斌;關(guān)志峰;;一種基于多維哈希鏈的M-Commerce微支付方案[A];第一屆中國高校通信類院系學術(shù)研討會論文集[C];2007年

3 尚鳳軍;潘英俊;;一種雙哈希IP數(shù)據(jù)包分類算法研究[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集(技術(shù)報告篇)[C];2004年

相關(guān)博士學位論文 前3條

1 李金鳳;基于感知哈希及數(shù)字水印的音頻認證技術(shù)研究[D];西南交通大學;2015年

2 張慧;圖像感知哈希測評基準及算法研究[D];哈爾濱工業(yè)大學;2009年

3 劉兆慶;圖像感知哈希若干關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2013年

相關(guān)碩士學位論文 前10條

1 劉曼;多示例多標記哈希學習方法研究[D];山東大學;2015年

2 張云玲;基于視覺系統(tǒng)的感知哈希研究與應(yīng)用[D];合肥工業(yè)大學;2015年

3 汪勝圣;基于哈希的大規(guī)模多標簽圖像搜索方法研究[D];山東大學;2016年

4 梁小龍;關(guān)于拓撲保持的哈希方法研究[D];山東大學;2016年

5 劉璐;基于哈希的乳腺X線圖像病變區(qū)域檢測與分析[D];西安電子科技大學;2015年

6 徐斌;基于感知哈希的移動終端圖像檢索系統(tǒng)研究[D];西安電子科技大學;2015年

7 鄭偉;感知哈希及其在圖像認證領(lǐng)域的應(yīng)用研究[D];杭州電子科技大學;2016年

8 居振飛;圖像哈希編碼方法研究與應(yīng)用[D];南京大學;2015年

9 馬曉斌;基于哈希的工程CAD圖內(nèi)容完整性認證技術(shù)研究[D];南京理工大學;2017年

10 李思宇;基于局部敏感性哈希的代碼相似性檢測技術(shù)研究[D];天津工業(yè)大學;2017年



本文編號:2496064

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2496064.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶3583d***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com