-
题名基于深度特征分析的双线性图像相似度匹配算法
被引量：3
- 1
-
-
作者
李鸣
张鸿
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)
-
出处
《计算机应用》
CSCD
北大核心
2016年第10期2822-2825,2831,共5页
-
基金
国家自然科学基金资助项目(61373109
61003127)~~
-
文摘
基于内容的图像检索一直面临"语义鸿沟"的难题,特征选择对语义学习结果有着直接的影响;而传统距离度量方法往往从单一角度进行相似性计算,不能很好地表示出图像之间的相似度。为了解决以上问题,提出基于深度特征分析的双线性图像相似度匹配的方法。首先,将图像数据集在卷积神经网络模型上进行微调训练,然后利用训练好的卷积神经网络对图像进行特征提取,获得全连接层输出的特征之后,通过双线性相似性度量方法得到图像间相似度的大小,通过对相似度的大小排序,返回最相似的图像实例。在Caltech101和Caltech256数据集上的对比实验显示,所提算法的平均查准率、TopK查准率和查全率均优于对比算法,验证了所提算法的有效性。
-
关键词
深度神经网络
双线性相似度
图像检索
语义鸿沟
平均查准率
-
Keywords
deep neural network
bilinear image similarity matching
image retrieval
semantic gap
mean average precision
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
-
