基于深度哈希的图像检索技术研究

本文提出的方法基于深度卷积神经网络和哈希算法,该方法对VGG16网络模型进行了改进：模型中全连接层保留FC6和FC7,去掉的FC8用哈希层替换,构建哈希函数获得哈希编码,在损失层对损失函数做了优化计算,微调模型初始化参数。图像检索过程主要包括模型训练和检索图像两个阶段,实验数据集采用CIFAR-10和NUS-WIDE。和其他几种典型的传统哈希算法和深度哈希算法进行对比分析,实验结果表明,本文所提方法能有效提高图像检索性能。     

融合多特征和哈希算法的图像检索研究

随着新一代信息技术的广泛应用,如何从海量图像数据中快速检索出目标图像,已成为当前信息处理的研究热点.基于对图像的全局颜色特征和局部纹理特征进行融合的考虑,提出了融合多特征和哈希的图像检索算法,即采用自学习哈希算法降低维数和训练哈希函数,将图像数据点映射到汉明空间,生成相应的哈希码,然后利用汉明距离计算出图像间的距离,并按照相似度大小排序.实验结果表明,该算法能较明显地提高检索效率.