基于哈希編碼的圖像檢索算法研究.pdf_第1頁
已閱讀1頁,還剩88頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,隨著移動互聯(lián)網(wǎng)和多媒體應(yīng)用的飛速發(fā)展,圖像數(shù)據(jù)已經(jīng)成為網(wǎng)絡(luò)數(shù)據(jù)的重要部分,對網(wǎng)絡(luò)中海量的圖像數(shù)據(jù)進行快速檢索和存儲成為我們當前面臨的一個挑戰(zhàn)。圖像哈希技術(shù)因其良好的數(shù)據(jù)降維能力,在應(yīng)對這一挑戰(zhàn)時發(fā)揮了巨大作用。圖像哈希技術(shù)生成哈希碼的質(zhì)量依賴于提取到圖像特征的好壞,基于人工設(shè)計特征的哈希方法因為特征提取能力有限,在實際應(yīng)用中的效果并不理想。隨著深度學習的迅速發(fā)展,基于深度學習的特征提取方法逐漸取代基于人工設(shè)計特征的方法。目前,圖

2、像哈希技術(shù)研究的一個熱點是深度學習結(jié)合哈希編碼的深度哈希方法,該方法憑借其強大的圖像特征學習能力和哈希學習能力,在基于內(nèi)容的圖像檢索領(lǐng)域取得了許多成果。
  雖然對深度哈希方法的研究已經(jīng)取得了一定成果,但更適合這一任務(wù)的網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)化算法等仍需要進一步探索。通過分析國內(nèi)外圖像哈希技術(shù)的研究現(xiàn)狀,本文主要對應(yīng)用于圖像檢索的深度哈希方法進行研究,論文主要工作如下:
  首先,圖像特征提取的好壞直接影響哈希編碼的質(zhì)量,為了得到更高

3、質(zhì)量的哈希編碼,本文改進了CNN-F網(wǎng)絡(luò)來提高圖像特征的提取能力。主要改進為:通過改進CNN-F的網(wǎng)絡(luò)結(jié)構(gòu),提高了網(wǎng)絡(luò)對較小物體的特征提取能力;通過引入時空金字塔下采樣層,使網(wǎng)絡(luò)對不同尺寸圖像的特征提取能力提升,加快了網(wǎng)絡(luò)學習速度。在PASCAL VOC2007數(shù)據(jù)集上對改進的CNN-F網(wǎng)絡(luò)進行了驗證。
  其次,使用本文提出的改進的目標函數(shù)學習哈希碼,降低了離散優(yōu)化過程中產(chǎn)生的誤差,提高了生成的哈希碼質(zhì)量。
  然后,本文

4、概述并實現(xiàn)了典型哈希方法,使用改進的CNN-F網(wǎng)絡(luò)和改進的目標函數(shù)來構(gòu)建深度哈希模型,設(shè)計并實現(xiàn)了哈希函數(shù)、損失函數(shù)及網(wǎng)絡(luò)傳播算法,使用深度哈希模型同時學習圖像特征和哈希碼,得到較高質(zhì)量的哈希碼。另外,本文提出了基于哈希碼權(quán)重的圖像檢索算法,對漢明距離進行二次排序來提高圖像檢索準確率。
  最后,在Cifar-10和Nus-wide圖像數(shù)據(jù)集上對本文提出的深度哈希模型和本文實現(xiàn)的典型哈希方法進行圖像檢索實驗,實驗結(jié)果表明本文提出的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論