人臉圖像檢索,就是在人臉圖像數(shù)據(jù)庫中搜索與檢索圖像屬于同一個(gè)人的人臉圖像。隨著社交網(wǎng)絡(luò)在智能移動(dòng)服務(wù)上的日益普及,包含人臉的圖像和視頻呈爆炸式增長(zhǎng)。如何在海量人臉數(shù)據(jù)庫中快速、準(zhǔn)確地檢索出目標(biāo)人臉成為計(jì)算機(jī)視覺領(lǐng)域中一個(gè)有吸引力的研究方向。當(dāng)前大規(guī)模人臉檢索面臨的主要挑戰(zhàn)是同類差異大、計(jì)算時(shí)間和存儲(chǔ)成本高。因此,有必要開發(fā)出有效的人臉圖像檢索方法來解決上述兩個(gè)問題。大多數(shù)現(xiàn)有人臉圖像檢索方法的性能往往取決于所使用的視覺特征。傳統(tǒng)的檢索方法多采用手工特征來表示人臉圖像的視覺內(nèi)容。然而,手工特征并不能很好地揭示人臉圖像的深層次語義信息,往往限制了人臉圖像檢索的性能。近年來,卷積神經(jīng)網(wǎng)絡(luò)(CNN)在目標(biāo)識(shí)別、圖像分類等計(jì)算機(jī)視覺任務(wù)中表現(xiàn)出了驚人的性能。從圖像中學(xué)習(xí)到的CNN特征更加健壯,能夠很好地捕捉圖像潛在的語義結(jié)構(gòu)。深度哈希方法將CNN與哈希算法相結(jié)合,旨在學(xué)習(xí)具有高級(jí)語義的人臉特征并將其映射成緊湊的二進(jìn)制哈希碼,提高檢索精度的同時(shí)又能減小存儲(chǔ)空間和縮短檢索時(shí)間,近年來該方法引起了人們的廣泛關(guān)注�，F(xiàn)有的深度哈希方法通常存在著分離特征提取和哈希編碼階段、忽略哈希編碼之間的信息冗余、只關(guān)注圖...

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 圖像檢索的研究現(xiàn)狀
        1.2.1 基于文本的圖像檢索
        1.2.2 基于內(nèi)容的圖像檢索
        1.2.3 哈希檢索算法
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本文的結(jié)構(gòu)安排
2 理論基礎(chǔ)
    2.1 圖像哈希檢索
        2.1.1 圖像哈希檢索流程
        2.1.2 圖像特征提取
        2.1.3 圖像的相似性度量
        2.1.4 圖像檢索指標(biāo)
    2.2 深度卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)
        2.2.2 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)及其設(shè)計(jì)思路
    2.3 深度人臉識(shí)別
        2.3.1 深度人臉識(shí)別概述
        2.3.2 基于度量損失的人臉識(shí)別及思路
    2.4 本章小結(jié)
3 深度度量哈希方法
    3.1 度量損失
    3.2 主干網(wǎng)絡(luò)
    3.3 CGA模塊
    3.4 新人臉圖像的哈希編碼
    3.5 本章小結(jié)
4 實(shí)驗(yàn)與分析
    4.1 數(shù)據(jù)集與度量指標(biāo)
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 結(jié)構(gòu)分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：4033283