发明名称 |
一种利用基于深度语义排序哈希编码的图像检索方法 |
摘要 |
本发明公开了一种利用基于深度语义排序哈希编码的图像检索方法,该方法包括以下步骤:将多标签图像数据集中的部分图像作为训练集,剩下的图像作为图像测试集;使用深度卷积神经网络来构建深度哈希函数;根据图像的多标签信息,构建出图像间的语义相似度排序;以基于三元组的代理排序损失函数做为实际的模型目标函数,并使用随机梯度下降法来优化深度哈希函数;用学到的深度哈希函数计算图像的哈希码,通过计算测试图像的哈希码与训练集中每一个图像的哈希码之间的汉明距离来检索图像。本发明方法能够保留多标签图像在语义空间中的多级相似度,并且联合学图像的深度特征表达和哈希编码,从而避免了语义信息的损失。 |
申请公布号 |
CN104834748A |
申请公布日期 |
2015.08.12 |
申请号 |
CN201510272498.1 |
申请日期 |
2015.05.25 |
申请人 |
中国科学院自动化研究所 |
发明人 |
王亮;谭铁牛;黄永祯;赵放 |
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 |
中科专利商标代理有限责任公司 11021 |
代理人 |
宋焰琴 |
主权项 |
一种利用基于深度语义排序哈希编码的图像检索方法,其特征在于,该方法包括以下步骤:步骤S0:将多标签图像数据集中的部分图像作为训练集,剩下的图像作为图像测试集;步骤S1:使用深度卷积神经网络构建深度哈希函数;步骤S2:根据图像的多标签信息,构建出图像间的语义相似度排序;步骤S3:以基于三元组的代理排序损失函数做为实际的模型目标函数,并使用随机梯度下降法和反向传播算法来优化深度哈希函数;步骤S4:用步骤S3学习到的深度哈希函数计算图像的哈希码;步骤S5:计算测试图像的哈希码与训练集中每一个图像的哈希码之间的汉明距离,并根据汉明距离来检索图像。 |
地址 |
100190 北京市海淀区中关村东路95号 |