发明名称 |
一种图像检索方法 |
摘要 |
本发明公开了一种图像检索方法,包括如下步骤:对被查图像和查询图像进行特征描述;对被查图像和查询图像进行深度学;用查询图像的特征对被查图像进行相似度度量,得到按相似度排序的反馈列表;利用查询图像和反馈列表中的图像训练样本选取分类器;用样本选取分类器对前n'幅图像及伪负例图像进行分类预测,取g幅最靠近分类面的图像;对反馈列表的前m幅图像以及上一步得到的g幅图像进行标注,得到正图像及负图像;将正图像与查询图像的特征进行融合,用融合后的特征重新进行被查图像相似度度量,得到最终的排序结果。本发明利用主动学方法实现图像检索中的查询扩展方法,能够在少量用户标注的前提下,实现更准确的图像检索。 |
申请公布号 |
CN105631037A |
申请公布日期 |
2016.06.01 |
申请号 |
CN201610022306.6 |
申请日期 |
2016.01.13 |
申请人 |
北京恒冠网络数据处理有限公司 |
发明人 |
赵鑫;李长青;孙鹏 |
分类号 |
G06F17/30(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京恒冠智创知识产权代理有限公司 11543 |
代理人 |
石友华 |
主权项 |
一种图像检索方法,其特征在于,包括如下步骤:步骤S1:对被查图像库中的被查图像抽取图像特征,并对所述被查图像及查询图像进行特征描述,以形成被查图像特征描述及查询图像特征描述;步骤S2:利用卷积神经网络AlexNet抽取所述被查图像和查询图像的最后一个全连接层的图像特征,并进行特征描述,以形成深度学习图像特征描述;步骤S3:将查询图像特征描述同被查图像特征描述进行综合比对,利用所述查询图像特征描述对被查图像进行图像相似度度量,得到按相似度从大到小排序的图像查询反馈列表;步骤S4:取查询图像作为正例,步骤S3中的图像查询反馈列表的前n'幅图像以及后n”幅伪负例图像作为无标数据组成训练集,并结合步骤S2得到的深度学习图像特征描述训练得到一个样本选取分类器;步骤S5:利用步骤S4中得到的样本选取分类器对步骤S3中的图像查询反馈列表的前n'幅图像进行分类预测以形成样本选取分类库,并根据步骤S2得到的深度学习图像特征描述从所述样本选取分类库中取g幅最靠近分类面的图像;步骤S6:取步骤S3中图像查询反馈列表中的前m幅图像,连同步骤S5中得到的g幅最靠近分类面的图像组成一个待标注图像库,将所述待标注图像库提交给用户做标注,符合所述查询图像特征描述的标为正图像,否则标为负图像;步骤S7:将步骤S6中所述正图像的特征与查询图像的特征进行特征融合,得到融合图像特征描述;步骤S8:利用步骤S7中所述融合图像特征描述重新对被查图像库中的被查图像进行相似度度量,得到最终的查询结果。 |
地址 |
100070 北京市丰台区汽车博物馆东路6号院3号楼2单元701-1 |