公开(公告)号：CN107016708A

公开(公告)日：2017-08-04

申请号：CN201710182659.7

申请日：2017-03-24

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  杨东宝 ,  孙垚棋 ,  彭冬亮 ,  张勇东 ,  薛安克

IPC: G06T9/00

Abstract: 本发明公开了一种基于深度学习的图像哈希编码方法。本发明包括如下步骤：步骤1、采用在ImageNet图像识别数据库上训练好的图像分类模型GoogLeNet作为初始化的基本网络结构，并将GoogLeNet模型的最后一层分类层替换为哈希层，该哈希层的单元数即为图像要编码成的比特数；步骤2、对GoogLeNet模型的参数进行优化；步骤3、将图像检索数据集中的图像输入至优化好的GoogLeNet模型，并将GoogLeNet模型输出的浮点数量化为二值码，从而得到每幅图像的二值码。本发明实现了图像特征与哈希函数的联合优化，克服了传统哈希方法学习到的哈希编码与图像特征不符的缺点。

公开(公告)号：CN107016708B

公开(公告)日：2020-06-05

申请号：CN201710182659.7

申请日：2017-03-24

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  杨东宝 ,  孙垚棋 ,  彭冬亮 ,  张勇东 ,  薛安克

IPC: G06T9/00

Abstract: 本发明公开了一种基于深度学习的图像哈希编码方法。本发明包括如下步骤：步骤1、采用在ImageNet图像识别数据库上训练好的图像分类模型GoogLeNet作为初始化的基本网络结构，并将GoogLeNet模型的最后一层分类层替换为哈希层，该哈希层的单元数即为图像要编码成的比特数；步骤2、对GoogLeNet模型的参数进行优化；步骤3、将图像检索数据集中的图像输入至优化好的GoogLeNet模型，并将GoogLeNet模型输出的浮点数量化为二值码，从而得到每幅图像的二值码。本发明实现了图像特征与哈希函数的联合优化，克服了传统哈希方法学习到的哈希编码与图像特征不符的缺点。