人臉圖像檢索,就是在人臉圖像數據庫中搜索與檢索圖像屬于同一個人的人臉圖像。隨著社交網絡在智能移動服務上的日益普及,包含人臉的圖像和視頻呈爆炸式增長。如何在海量人臉數據庫中快速、準確地檢索出目標人臉成為計算機視覺領域中一個有吸引力的研究方向。當前大規(guī)模人臉檢索面臨的主要挑戰(zhàn)是同類差異大、計算時間和存儲成本高。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問題。大多數現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,卷積神經網絡(CNN)在目標識別、圖像分類等計算機視覺任務中表現出了驚人的性能。從圖像中學習到的CNN特征更加健壯,能夠很好地捕捉圖像潛在的語義結構。深度哈希方法將CNN與哈希算法相結合,旨在學習具有高級語義的人臉特征并將其映射成緊湊的二進制哈希碼,提高檢索精度的同時又能減小存儲空間和縮短檢索時間,近年來該方法引起了人們的廣泛關注�，F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、只關注圖...

【文章頁數】：53 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 圖像檢索的研究現狀
        1.2.1 基于文本的圖像檢索
        1.2.2 基于內容的圖像檢索
        1.2.3 哈希檢索算法
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本文的結構安排
2 理論基礎
    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
    2.2 深度卷積神經網絡
        2.2.1 卷積神經網絡的基礎知識
        2.2.2 經典卷積神經網絡及其設計思路
    2.3 深度人臉識別
        2.3.1 深度人臉識別概述
        2.3.2 基于度量損失的人臉識別及思路
    2.4 本章小結
3 深度度量哈希方法
    3.1 度量損失
    3.2 主干網絡
    3.3 CGA模塊
    3.4 新人臉圖像的哈希編碼
    3.5 本章小結
4 實驗與分析
    4.1 數據集與度量指標
    4.2 實驗設置
    4.3 實驗結果與分析
    4.4 結構分析
    4.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝



本文編號：4033283