基于深度哈希學(xué)習(xí)的圖像檢索方法研究
發(fā)布時(shí)間:2021-04-16 12:59
得益于存儲(chǔ)開(kāi)銷(xiāo)與檢索效率上的優(yōu)勢(shì),基于哈希學(xué)習(xí)的近似最近鄰搜索算法已被廣泛地應(yīng)用于大規(guī)模圖像檢索。近年來(lái),由于計(jì)算機(jī)算力的提升、更好的優(yōu)化算法以及大規(guī)模圖像數(shù)據(jù)集的出現(xiàn),深度卷積神經(jīng)網(wǎng)絡(luò)得到了空前的發(fā)展,展現(xiàn)出了對(duì)圖像數(shù)據(jù)的強(qiáng)大表示能力。相較于傳統(tǒng)的采用手工特征作為模型輸入的哈希學(xué)習(xí)方法,端到端的深度哈希學(xué)習(xí)可以將特征表示與哈希編碼聯(lián)合起來(lái)同時(shí)進(jìn)行學(xué)習(xí),極大地改善了哈希編碼的檢索性能。為了充分地挖掘深度卷積神經(jīng)網(wǎng)絡(luò)的潛力,本文針對(duì)無(wú)監(jiān)督和有監(jiān)督這兩種不同的應(yīng)用場(chǎng)景分別各提出了一個(gè)端到端的深度哈希學(xué)習(xí)模型:1)基于偽成對(duì)標(biāo)簽的深度無(wú)監(jiān)督哈希學(xué)習(xí)。目前主流的深度哈希學(xué)習(xí)方法多為有監(jiān)督學(xué)習(xí),無(wú)監(jiān)督的深度哈希學(xué)習(xí)則由于缺少相似性監(jiān)督信息,而難以獲取高質(zhì)量的哈希編碼。在實(shí)際應(yīng)用中,為數(shù)據(jù)添加標(biāo)簽是一項(xiàng)極其費(fèi)時(shí)費(fèi)力的工作,而且對(duì)于一些特定的領(lǐng)域,往往還需要領(lǐng)域內(nèi)專(zhuān)家的參與才能完成標(biāo)記工作。為此,本文提出一種端到端的基于偽成對(duì)標(biāo)簽的深度無(wú)監(jiān)督哈希學(xué)習(xí)模型。它的學(xué)習(xí)過(guò)程包括兩個(gè)階段:第一個(gè)階段利用預(yù)訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)所提取出的包含豐富語(yǔ)義信息的圖像特征來(lái)構(gòu)造數(shù)據(jù)的偽成對(duì)標(biāo)簽;在此基礎(chǔ)上再于第二階段...
【文章來(lái)源】:浙江師范大學(xué)浙江省
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景
1.2 本文工作
1.3 文章的組織結(jié)構(gòu)
2 相關(guān)工作
2.1 局部敏感哈希方法
2.2 哈希學(xué)習(xí)方法
2.2.1 有監(jiān)督的哈希學(xué)習(xí)方法
2.2.2 無(wú)監(jiān)督的哈希學(xué)習(xí)方法
2.3 本章小結(jié)
3 基于偽成對(duì)標(biāo)簽的深度無(wú)監(jiān)督哈希學(xué)習(xí)
3.1 引言
3.2 算法
3.2.1 問(wèn)題描述
3.2.2 模型架構(gòu)
3.2.3 階段一:獲取偽成對(duì)標(biāo)簽
3.2.4 階段二:深度哈希學(xué)習(xí)
3.2.5 模型優(yōu)化
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集
3.3.2 實(shí)現(xiàn)細(xì)節(jié)與基準(zhǔn)模型
3.3.3 性能評(píng)價(jià)
3.3.4 實(shí)驗(yàn)結(jié)果與分析
3.3.5 超參t對(duì)模型性能的影響
3.3.6 超參η對(duì)模型性能的影響
3.4 本章小結(jié)
4 面向高效圖像檢索的深度漢明嵌入哈希
4.1 引言
4.2 算法
4.2.1 問(wèn)題描述
4.2.2 模型架構(gòu)
4.2.3 圖像表示學(xué)習(xí)
4.2.4 漢明嵌入學(xué)習(xí)
4.2.5 深度漢明嵌入哈希
4.3 實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集
4.3.2 實(shí)現(xiàn)細(xì)節(jié)與基準(zhǔn)模型
4.3.3 性能評(píng)價(jià)
4.3.4 實(shí)驗(yàn)結(jié)果與分析
4.3.5 消融實(shí)驗(yàn)
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的科研成果
致謝
本文編號(hào):3141475
【文章來(lái)源】:浙江師范大學(xué)浙江省
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景
1.2 本文工作
1.3 文章的組織結(jié)構(gòu)
2 相關(guān)工作
2.1 局部敏感哈希方法
2.2 哈希學(xué)習(xí)方法
2.2.1 有監(jiān)督的哈希學(xué)習(xí)方法
2.2.2 無(wú)監(jiān)督的哈希學(xué)習(xí)方法
2.3 本章小結(jié)
3 基于偽成對(duì)標(biāo)簽的深度無(wú)監(jiān)督哈希學(xué)習(xí)
3.1 引言
3.2 算法
3.2.1 問(wèn)題描述
3.2.2 模型架構(gòu)
3.2.3 階段一:獲取偽成對(duì)標(biāo)簽
3.2.4 階段二:深度哈希學(xué)習(xí)
3.2.5 模型優(yōu)化
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集
3.3.2 實(shí)現(xiàn)細(xì)節(jié)與基準(zhǔn)模型
3.3.3 性能評(píng)價(jià)
3.3.4 實(shí)驗(yàn)結(jié)果與分析
3.3.5 超參t對(duì)模型性能的影響
3.3.6 超參η對(duì)模型性能的影響
3.4 本章小結(jié)
4 面向高效圖像檢索的深度漢明嵌入哈希
4.1 引言
4.2 算法
4.2.1 問(wèn)題描述
4.2.2 模型架構(gòu)
4.2.3 圖像表示學(xué)習(xí)
4.2.4 漢明嵌入學(xué)習(xí)
4.2.5 深度漢明嵌入哈希
4.3 實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集
4.3.2 實(shí)現(xiàn)細(xì)節(jié)與基準(zhǔn)模型
4.3.3 性能評(píng)價(jià)
4.3.4 實(shí)驗(yàn)結(jié)果與分析
4.3.5 消融實(shí)驗(yàn)
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的科研成果
致謝
本文編號(hào):3141475
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3141475.html
最近更新
教材專(zhuān)著