基于CNN和流行排序的圖像檢索算法
大?。?/span>0.78 MB 人氣： 2017-12-25 需要積分：1
針對基于內容的圖像檢索（ CBIR）中低層視覺特征與用戶對圖像理解的高層語義不一致以及傳統(tǒng)的距離度量方式難以真實反映圖像之間相似程度等問題，提出了一種基于卷積神經網(wǎng)絡（CNN）和流形排序的圖像檢索算法。首先，將圖像輸入CNN，通過多層神經網(wǎng)絡對圖像的監(jiān)督學習，提取網(wǎng)絡中全連接層的圖像特征；其次，對圖像特征進行歸一化處理，然后用高效流形排序（EMR）算法對查詢圖像所返回的結果進行排序；最后，根據(jù)排序的結果返回最相似的圖像。在corel數(shù)據(jù)集上，深度圖像特征比基于場景描述的圖像特征的平均查準率（mAP）提高了53. 74%，流形排序比余弦距離度量方式的mAP提高了18. 34%。實驗結果表明，所提算法能夠有效地提高圖像檢索的準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%