请选择 目标期刊

面向图像检索的深度汉明嵌入哈希 下载:49 浏览:385

林计文 刘华文 郑忠龙 《人工智能研究》 2020年11期

摘要:
深度卷积神经网络学习的图像特征表示具有明显的层次结构.随着层数加深,学习的特征逐渐抽象,类的判别性也逐渐增强.基于此特点,文中提出面向图像检索的深度汉明嵌入哈希编码方式.在深度卷积神经网络的末端插入一层隐藏层,依据每个单元的激活情况获得图像的哈希编码.同时根据哈希编码本身的特征提出汉明嵌入损失,更好地保留原数据之间的相似性.在CIFAR-10、NUS-WIDE基准图像数据集上的实验表明,文中方法可以提升图像检索性能,较好改善短编码下的检索性能.

基于伪成对标签的深度无监督哈希学习 下载:62 浏览:356

林计文 刘华文 《人工智能研究》 2020年6期

摘要:
无监督的深度哈希学习方法由于缺少相似性监督信息,难以获取高质量的哈希编码.因此,文中提出端到端的基于伪成对标签的深度无监督哈希学习模型.首先对由预训练的深度卷积神经网络得到的图像特征进行统计分析,用于构造数据的语义相似性标签.再进行基于成对标签的有监督哈希学习.在两个常用的图像数据集CIFAR-10、NUS-WIDE上的实验表明,经文中方法得到的哈希编码在图像检索上的性能较优.

基于区域信息的交互式图像检索 下载:77 浏览:509

江佳翼1 左劼1 孙频捷2 《计算机研究与应用》 2020年2期

摘要:
基于内容的图像检索(CBIR)是计算机视觉的一个重要方向。由于语义鸿沟的存在,图像检索很难准确捕捉用户需求,交互式图像检索能利用用户反馈在不断交互中改善检索结果。已有的交互式图像检索方法将图像看成整体,忽略了图像中各个区域的重要性。为了更好地捕捉用户对于目标区域的偏好信息,提出一种基于区域信息的交互式图像检索框架,有效地利用图像的区域信息来改善检索性能。实验表明,该方法能较大地提升交互式图像检索的性能。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享