一种基于深度学的多视图外观专利图像检索方法

摘要

本发明提供一种基于深度学的多视图外观专利图像检索方法，该方法包括：外观专利图像预处理，将外观专利图像从维度和尺度方面进行归一化处理，以及对多视图图像按照视图进行区分；构造多视图深度卷积神经网络，构建多路视图并行处理的卷积神经网络，并按照视图的空间位置关系进行特征融合后采用全连接的卷积网络；在网络训练时对预训练的网络参数进行优化调整；在训练完成之后，对图像库中进行图像分类和特征进行提取，并将图像特征存储到对应的类别中；在图像检索时，按照先类别后特征反馈相似图像及相似度。本发明的多视图深度卷积神经网络融合了视图之间的相关性，提高了检索准确性。

主权项

一种基于深度学习的多视图外观专利图像检索方法，其特征在于，包括：外观专利图像预处理，构建多视图深度卷积神经网络，网络训练及图像特征提取及分类，检索结果相似度排序输出；所述的外观专利图像预处理，对输入的外观专利图像进行归一化处理和规范化处理；所述的构造多视图深度卷积神经网络，按照外观专利的最大视图类别构建多通道深度卷积神经网络，并采用预训练模型参数作为初始化参数；所述的网络训练及图像特征提取及分类,利用利用标记的外观专利图像来调整预训练的深度学习网络参数。提取外观专利图像集的特征和分类信息，并进行存储；所述的检索结果相似度排序输出，将待检索的图像与图库中的图像特征进行比较，输出相似度高的图像及其相似度。