公开(公告)号：CN110688502A

公开(公告)日：2020-01-14

申请号：CN201910846400.7

申请日：2019-09-09

Applicant: 重庆邮电大学

Inventor： 甘玲 ,  张天振 ,  熊子文

IPC: G06F16/51 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明请求保护一种基于深度哈希和量化的图像检索方法及存储介质，首先建立训练集和测试集，对需要识别的图像进行预处理，然后构建卷积神经网络,采用Alexnet模型结构作为基本架构，再利用训练样本随时生成数据对，根据卷积神经网络进行训练，得到相应的输出值Zn。通过将图像类别通过Glove模型处理得到嵌入标签V，再结合嵌入标签V，计算卷积神经网络输出值的误差函数，并更新网络参数，最后，将查询图像和数据库图像分别通过训练好的模型处理得到相应的二值编码后，通过非对称距离量化方法计算内积相似性，输出检索结果。本发明引入分块编码模块，利用精心设计的混合网络和指定的损失函数，联合学习深度视语义标签，大大提高了图像检索的准确性。

公开(公告)号：CN110688502B

公开(公告)日：2022-12-27

申请号：CN201910846400.7

申请日：2019-09-09

Applicant: 重庆邮电大学

Inventor： 甘玲 ,  张天振 ,  熊子文

IPC: G06F16/51 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明请求保护一种基于深度哈希和量化的图像检索方法及存储介质，首先建立训练集和测试集，对需要识别的图像进行预处理，然后构建卷积神经网络,采用Alexnet模型结构作为基本架构，再利用训练样本随时生成数据对，根据卷积神经网络进行训练，得到相应的输出值Zn。通过将图像类别通过Glove模型处理得到嵌入标签V，再结合嵌入标签V，计算卷积神经网络输出值的误差函数，并更新网络参数，最后，将查询图像和数据库图像分别通过训练好的模型处理得到相应的二值编码后，通过非对称距离量化方法计算内积相似性，输出检索结果。本发明引入分块编码模块，利用精心设计的混合网络和指定的损失函数，联合学习深度视语义标签，大大提高了图像检索的准确性。