-
题名基于卷积神经网络和E2LSH的遥感图像检索研究
被引量：7
- 1
-
-
作者
彭晏飞
陶进
訾玲玲
-
机构
辽宁工程技术大学电子与信息工程学院
-
出处
《计算机应用与软件》
北大核心
2018年第7期250-255,共6页
-
基金
国家自然科学基金项目(61702241)
辽宁省教育厅科学研究一般项目(L2015225)
辽宁省科技厅博士科研启动基金项目(201601365)
-
文摘
遥感图像是一种特征维度很高的图像,当前的遥感图像检索技术图像特征表达能力不强,并且利用海明距离排序后还需计算欧式距离,产生信息损失,严重制约了遥感图像检索技术的性能。基于上述问题,提出一种基于卷积神经网络和E2LSH的遥感图像检索技术,将遥感图像进行降噪处理之后,利用已经预训练过的VGGNet-D卷积神经网络模型提取图像深层次的特征,挖掘隐含的图像信息;利用L个E2LSH(Exact Euclidean Locality-Sensitive Hashing)函数对提取的特征在保证度量距离的同时进行高效降维并构建L个索引结构;利用L个索引完成粗检索以构成候选集。直接计算并排序候选集的欧氏距离来完成近似最近邻搜索,避免了两种空间及距离的换算。实验结果表明,提出的检索方法减少了距离换算的信息损失并能有效提高遥感图像特征表达能力,使其在查准率和查全率上有更好的检索效果。
-
关键词
遥感图像检索
卷积神经网络
E2LSH
欧氏距离
近似近邻搜索
-
Keywords
Remote sensing image retrieval
Convolutional neural network
E2LSH
Euclidean distance
Approximate neighbor search
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于离散优化的哈希编码学习方法
被引量：7
- 2
-
-
作者
刘昊淼
王瑞平
山世光
陈熙霖
-
机构
中国科学院计算技术研究所智能信息处理重点实验室
中国科学院大学计算机科学与技术学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2019年第5期1149-1160,共12页
-
基金
国家"九七三"重点基础研究发展规划项目基金(2015CB351802)
国家自然科学基金(61772500)
+1 种基金
中国科学院前沿科学重点研究项目(QYZDJ-SSW-JSC009)
中国科学院青年创新促进会(2015085)资助~~
-
文摘
哈希作为近似近邻搜索的一种主流方法,通过将样本索引为紧致的二值编码,在计算效率和存储上都非常高效.由于二值码的离散特性,以往的哈希方法往往需要将二值码松弛为实数值才能高效地进行优化,因此在优化完成后重新将实数值的结果量化为二值时难免会由于二值的汉明空间与实数值的欧氏空间之间的差异而遇到性能上的损失问题.为了更好地解决量化损失的问题,本文提出了一种深度离散优化哈希(Deep Discrete Optimization Hashing,DDOH)方法.首先,设计了一种新的离散优化算法,通过直接在二值的汉明空间中对二值码进行优化,得到具有强判别性的二值编码.然后,训练卷积神经网络模型拟合上述二值码,得到用于编码的哈希函数.在CIFAR-10和ImageNet-100两个常用的评测数据集上的实验显示,本文提出的方法在CIFAR-10数据库上与目前最好的方法达到了同样的性能,在ImageNet-100数据库上的平均准确率指标与已有方法相比提升了约2.2%,证明了该方法的有效性.
-
关键词
近似近邻搜索
高维特征索引
哈希学习
离散优化
卷积神经网络
-
Keywords
approximate neighbor search
high dimensional feature indexing
hash learning
discrete optimization
convolutional neural network
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
