基于深度哈希的数字人文移动视觉搜索方法

被引：10

作者：

秦思琪

曾子明

机构：

[1] 武汉大学信息资源研究中心武汉大学信息管理学院

来源：

情报资料工作 | 2018年 / 06期

关键词：

深度哈希; 移动视觉搜索; 数字人文;

D O I：

暂无

中图分类号：

G252.7 [文献检索];

学科分类号：

1205 ; 120501 ;

摘要：

文章从图像语义特征提取和实现快速检索两个方面进行探讨,基于深度学习方法和哈希方法构建了面向数字人文的图像语义特征提取模型,并且构造了领域适用的损失函数,通过数字人文数据集进行模型训练和MVS检索流程实验,实验数据验证了本文模型方法的有效性。

引用

页码：29 / 36

页数：8

共 25 条

[1]

NetVLAD:CNN architecture for weakly supervised place recognition. Arandjelovic R,Gronat P,Torii A, et al. Computer Vision and Pattern Recognition . 2016

[2] 基于大数据的文化遗产数字图书馆移动视觉搜索机制建设研究 [J].

李晨晖 ;

张兴旺 ;

秦晓珠 .

情报理论与实践, 2018, (04) :139-144+133

[3] 数字人文的技术体系与理论结构探讨 [J].

刘炜 ;

叶鹰 .

中国图书馆学报, 2017, 43 (05) :32-41

[4] 移动视觉搜索技术研究进展及其在数字人文领域应用实践 [J].

余婷婷 .

创新科技, 2017, (05) :43-46

[5] 数字人文研究演化路径与热点领域分析 [J].

柯平 ;

宫平 .

中国图书馆学报, 2016, 42 (06) :13-30

[6] 卷积神经网络研究综述 [J].

李彦冬 ;

郝宗波 ;

雷航 .

计算机应用, 2016, 36 (09) :2508-2515+2565

[7] 面向Top-k快速查询的层次化LSH索引方法 [J].

罗雄才 ;

高军 .

计算机研究与发展 , 2015, (S1) :56-63

[8] 国外移动视觉搜索研究述评 [J].

张兴旺 ;

黄晓斌 .

中国图书馆学报, 2014, 40 (03) :114-128

[9]

Deep learning for content-based image retrieval:A Comprehensive Study. Wan J,Wang D,Hoi S C H,et al. The ACM International Conference . 2014

[10]

Aggregating local deep features for image retrieval. Yandex A B,Lempitsky V. IEEE International Conference on Computer Vision . 2016

← 1 2 3 →