一种改进卷积神经网络的教学图像检索方法

被引：13

作者：

刘道华 ^{[1
,2
]}

崔玉爽 ^{[1
]}

赵岩松 ^{[1
]}

宋玉婷 ^{[1
]}

王景慧 ^{[1
]}

机构：

[1] 信阳师范学院计算机与信息技术学院

[2] 信阳师范学院河南省教育大数据分析与应用重点实验室

来源：

西安电子科技大学学报 | 2019年 / 46卷 / 03期

关键词：

图像检索; 卷积神经网络; 特征提取; 主成分分析;

D O I：

10.19665/j.issn1001-2400.2019.03.009

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%～27.3%。

引用

页码：52 / 58

页数：7

共 6 条

[1]

一种改进的卷积神经网络SAR目标识别算法 [J].

许强 ;

李伟 ;

占荣辉 ;

邹鲲 .

西安电子科技大学学报, 2018, 45 (05) :177-183

[2]

结合主体检测的图像检索方法 [J].

熊昌镇 ;

单艳梅 ;

郭芬红 .

光学精密工程 , 2017, (03) :792-798

[3]

基于深度卷积神经网络的图像检索算法研究 [J].

刘海龙 ;

李宝安 ;

吕学强 ;

黄跃 .

计算机应用研究, 2017, 34 (12) :3816-3819

[4]

卷积神经网络研究综述 [J].

周飞燕 ;

金林鹏 ;

董军 .

计算机学报, 2017, 40 (06) :1229-1251

[5]

ImageNet Classification with Deep Convolutional Neural Networks [J].

Krizhevsky, Alex ;

Sutskever, Ilya ;

Hinton, Geoffrey E. .

COMMUNICATIONS OF THE ACM, 2017, 60 (06) :84-90

[6]

A convolutional neural network based method for event classification in event-driven multi-sensor network.[J].Chao Tong;Jun Li;Fumin Zhu.Computers and Electrical Engineering.2017,

← 1 →