基于深度卷积神经网络的图像检索算法研究

被引：49

作者：

刘海龙 ^{[1
,2
]}

李宝安 ^{[2
]}

吕学强 ^{[1
]}

黄跃 ^{[3
]}

机构：

[1] 北京信息科技大学网络文化与数字传播北京市重点实验室

[2] 北京信息科技大学计算机学院

[3] 首都医科大学宣武医院

来源：

计算机应用研究 | 2017年 / 34卷 / 12期

关键词：

图像检索; 卷积神经网络; 特征提取; 深度学习;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先,改进LeNet-5卷积神经网络结构,增加网络结构深度;然后,对深度卷积神经网络模型LeNet-L进行预训练,得到训练好的网络模型,进而提取出图像高层语义特征;最后,通过距离函数比较待检图像与图像库的相似度,得出相似图像。在Corel数据集上,与原模型以及传统基于SVM主动学习图像检索方法相比,该图像检索方法有较高的准确性。经实验结果表明,改进后的卷积神经网络具有更好的检索效果。

引用

页码：3816 / 3819

页数：4