在互聯(lián)網(wǎng)時(shí)代,海量的圖像數(shù)據(jù)涌現(xiàn)出來。如何高效地從這些數(shù)據(jù)中進(jìn)行相似性檢索,成為了一個(gè)至關(guān)重要的問題。最近鄰搜索準(zhǔn)確率較高,然而計(jì)算和存儲(chǔ)復(fù)雜度較高,難以滿足實(shí)時(shí)檢索和大規(guī)模數(shù)據(jù)存儲(chǔ)的需求。相比之下,哈希技術(shù)在計(jì)算和存儲(chǔ)方面具有顯著優(yōu)勢(shì),因此被廣泛應(yīng)用于大規(guī)模圖像檢索中。圖像哈希檢索任務(wù)的主要思想是將原始空間中的高維特征映射到漢明空間中的緊湊二進(jìn)制碼,使得相似數(shù)據(jù)對(duì)的漢明距離最小化,而不相似數(shù)據(jù)對(duì)的漢明距離最大化。針對(duì)如何生成高質(zhì)量哈希碼,提高圖像檢索的準(zhǔn)確率,本文的主要工作如下:1.針對(duì)基于成對(duì)相似性/三元組相似性的哈希方法存在的不足,本文提出了一種基于修正監(jiān)督對(duì)比學(xué)習(xí)的深度哈希算法。一方面通過擴(kuò)充樣本數(shù)量來增加對(duì)數(shù)據(jù)集相似性關(guān)系的覆蓋,另一方面通過引入標(biāo)簽集合交并比對(duì)監(jiān)督對(duì)比學(xué)習(xí)進(jìn)行修正。該算法鼓勵(lì)與錨點(diǎn)圖像具有較高標(biāo)簽集合交并比的難樣本能夠貢獻(xiàn)較大的梯度,從而實(shí)現(xiàn)難正樣本的準(zhǔn)確挖掘。此外,采用基于切片的Wasserstein距離來定義量化損失,旨在促進(jìn)哈希函數(shù)的連續(xù)輸出值的分布能夠接近于離散均勻分布,從而使得映射得到的二進(jìn)制哈希碼能夠充分利用低維度漢明空間,提高模型檢索性能。2.針...

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2ＲesNet的基本結(jié)構(gòu)

ElectronicScienceandTechnology王偉棟，等:基于深度神經(jīng)網(wǎng)絡(luò)和哈希算法的圖像檢索研究www.dianzikeji.org采用深度為20的ＲesNet網(wǎng)絡(luò)圖像提取深層特征的深度神經(jīng)網(wǎng)絡(luò)。ＲesNet的主要特點(diǎn)是快捷連接(ShortcutConnectio....

圖3殘差塊的結(jié)構(gòu)［2］圖3中的H(x)和F(x)分別定義為映射函數(shù)和殘

ElectronicScienceandTechnology王偉棟，等:基于深度神經(jīng)網(wǎng)絡(luò)和哈希算法的圖像檢索研究www.dianzikeji.org采用深度為20的ＲesNet網(wǎng)絡(luò)圖像提取深層特征的深度神經(jīng)網(wǎng)絡(luò)。ＲesNet的主要特點(diǎn)是快捷連接(ShortcutConnectio....

圖2.1圖像檢索系統(tǒng)架構(gòu)

基于深度語義的哈希算法和相關(guān)反饋在圖像檢索中的研究第二章相關(guān)理論基礎(chǔ)2.1基于內(nèi)容的圖像檢索知識(shí)介紹2.1.1基于內(nèi)容圖像檢索的系統(tǒng)架構(gòu)基于內(nèi)容的圖像檢索包含特征提取子系統(tǒng)和查詢子系統(tǒng)兩大部分[44]。如圖2.1所示，征提取子系統(tǒng)主要包括預(yù)處理、特征提取和特征庫等。查詢....

圖4.1系統(tǒng)整體結(jié)構(gòu)圖

基于深度語義的哈希算法和相關(guān)反饋在圖像檢索中的研究第四章基于深度語義的哈希算法與相關(guān)反饋機(jī)制的整合基于深度語義的哈希算法在上一章中已經(jīng)被證明取得了很好的效果，DSBH方法由于深度卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特征，極大的提高了哈希碼對(duì)圖像語義的表示能力，在圖像檢索索效果要優(yōu)于傳統(tǒng)的經(jīng)典哈希....

本文編號(hào)：4033726