| 基于CNN特征加权和区域整合的图像检索 |
| |
| 引用本文： | 袁晖,廖开阳,郑元林,曹从军,汤梓伟,邓轩. 基于CNN特征加权和区域整合的图像检索[J]. 计算机工程与科学, 2019, 41(1): 113-121 |
| |
| 作者姓名： | 袁晖 廖开阳 郑元林 曹从军 汤梓伟 邓轩 |
| |
| 作者单位： | （1.西安理工大学印刷包装与数字媒体学院，陕西 西安 710048；2.陕西省印刷包装工程重点实验室，陕西 西安 710048；3.陕西省印刷包装工程技术研究中心，陕西 西安 710048） |
| |
| 基金项目： | 陕西省教育厅科研计划(17JK0990) |
| |
| 摘 要： | 相比传统特征,卷积神经网络提取的特征对图像具有更强的描述能力,其卷积层比全连接层更适合用来检索图像。然而卷积特征是高维特征,若直接用来匹配图像会消耗大量的时间和内存。提出了一种新的改善和整合卷积特征,形成单维特征向量,再将其用于图像匹配的方法。首先,提取最后一个卷积层的三维特征,再对该卷积特征重新加权,突显图像的边缘信息和位置信息;其次,用滑动窗口进行处理,形成多个区域特征向量,再相加整合成全局特征向量;最后,用余弦距离衡量查询图和测试图的相似性得出检索的初始排名,并且用拓展查询方法进行重排得出最终的平均精度均值mAP。分别在Paris6k和Oxford5k数据库以及用100k张图扩展的Paris106k和Oxford105k数据库上进行测试。相对于CroW方法在Paris数据库上获得的mAP性能指标,本文方法提升了约3个百分点;在Oxford数据库上提升了约1个百分点。实验结果表明,新方法提取的全局特征能够更好地描述图像。
|
| 关 键 词： | 图像检索 卷积神经网络 全局特征 特征加权 区域整合 |
| 收稿时间： | 2018-04-23 |
| 修稿时间： | 2019-01-25 |
Image retrieval based on CNN featureweighting and region integration |
| |
| YUAN Hui,LIAO Kai yang,ZHENG Yuan lin,CAO Cong jun,TANG Zi wei,DENG Xuan. Image retrieval based on CNN featureweighting and region integration[J]. Computer Engineering & Science, 2019, 41(1): 113-121 |
| |
| Authors: | YUAN Hui LIAO Kai yang ZHENG Yuan lin CAO Cong jun TANG Zi wei DENG Xuan |
| |
| Affiliation: | (1.Faculty of Printing,Packaging Engineering and Digital Media Technology,Xi’an University of Technology,Xi’an 710048;2.Key Laboratory of Printing and Packaging Engineering of Shaanxi Province,Xi’an 710048;3.Printing and Packaging Engineering Technology Research Centre of Shaanxi Province,Xi’an 710048,China) |
| |
| Abstract: | |
| |
| Keywords: | image retrieval convolutional neural network global feature feature weighting region integration |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 |
|
点击此处可从《计算机工程与科学》下载全文 |
|
