基于哈希编码和卷积神经网络的图像检索方法.pdf
版权申诉
156 浏览量
2021-09-25
21:21:27
上传
评论
收藏 1.76MB PDF 举报
Computer Enginee ring a nd Applications 计算机工程与应用
2019，55（23）
1 引言
基于内容的图像检索是指通过对图像的内容进行
分析进而搜索相似图像，近年来成为众多研究者的研究
热点之一。随着互联网时代的到来，网络图像资源增长
迅速，而针对大规模的图像检索，传统的线性查找显然
是不现实的，如何实现快速有效的检索以满足客户需求
成为亟待解决的问题。目前常见的基于内容的图像检
索（Content-Based Image Retrieval，CBIR）描述符主要
包括基于底层视觉特征的描述符如SIFT
[1]
、HOG
[2]
、BoW
[3]
等和基于高层语义的特征描述符。传统的底层视觉特
征描述符都是通过对整幅图像进行遍历来确定特征点，
运算量大，很难满足实时性的要求。近年，宋博等
[4]
提出
一种快速特征提取与感知哈希结合的图像配准算法，解
决了传统匹配算法提取特征点耗时的问题，提高了特征
点提取的速度以及匹配准确率，应用于检索领域也可取
得一定的成效。苗军等
[5]
提出了一种基于最长公共视觉
词串的图像检索方法，利用最长公共视觉词串表达图像
特征间的距离，引入了图像目标间的空间位置关系，与
传统的 BoF 方法和 BoW 方法相比提高了图像检索的效
果。尽管这些视觉特征描述符在图像特征提取方面取
基于哈希编码和卷积神经网络的图像检索方法
王 妙，景军锋
西安工程大学 电子信息学院，西安 710600
摘 要：针对图像检索，提出一种基于哈希编码和卷积神经网络的方法。主要是在卷积神经网络（CNN）中加入哈希
层，采用由粗到精的分级检索策略，根据学习到的哈希码进行粗检索得到与查询图像相同或相似的
m
幅图像构成图
像池，计算池内图像与查询图像高层语义特征之间的欧氏距离进行精检索，达到最终的检索目的。提出方法将哈希
层的损失作为优化目标之一，结合图像的两种特征进行检索，弥补了现有方法中直接利用 CNN 深层特征检索耗时、
占用内存的不足。在印花织物和 CIFAR-10 数据集上的实验结果表明，提出方法检索性能优于其他现有方法。
关键词：图像检索 ；卷积神经网络；哈希编码；分级检索
文献标志码：A 中图分类号：TP 751 doi：10.3778/j.issn.1002-8331.1809-0039
王妙，景军锋 . 基于哈希编码和卷积神经网络的图像检索方法 . 计算机工程与应用，2019，5 5（23）：194-199.
WANG Miao, JING Junfeng. Image retrieval based on Hash coding and convolutional neural network. Computer Engi -
neering and Applications, 2019, 55（23）：1 94-199.
Image Retrieval Based on Hash Coding and Convolutional Neural Network
WANG Miao, JING Junfeng
School of Elect ronic and Information, X i’an Polytechnic University, Xi’an 710600, China
Ab stract：Aiming at the retrieval of images, a method based on Hash c oding and Convolutional Neural Network（CNN）
is proposed. The idea is to add a Has h layer to the CNN, and a coarse-to-fin e search strategy is used to retrieval similar
images. Firstly, the coarse-level search is operated according to the Hash coding to obtain the same or similar i mages to
form a pool of m images. Then the Euclidean distances between the high-level semantic features of the m images and query
image are calculated for fine-lev el search, th us achieving the ultimate re trieval purpo se. Th e proposed method takes the
loss of Hash layer as one of the optimization goals , and two features are combined for image retrieval, which m akes up
the shortcomings of time consuming and memory using of the existing methods. The r esults show that the proposed method
out performs the state-of -art algorithms on printed fabric and CIFAR-10 datasets.
Key w ords：image retrieval; Convolutional Neural Network（CNN）; Hash coding; hierarchical search
作者简介：王妙（1993—），女，硕士研究生，研究领域为机器视觉、图像处理，E-mail：237621658@qq.com；景军锋（1978—），男，教
授，研究领域为机器视觉、图像处理。
收稿日期：2018-09-05 修回日期：2018-11-21 文章编号：1002-8331（20 19）23-0194-06
CN KI 网络出版：2019-01- 23, http://kns.cnki .net/kcms/detail/11.2 127.tp.20190121.1757.011.html
194
评论0