| 结合改进CNN和双线性模型的CBIR方法 |
| |
| 引用本文： | 蔡鹏飞,叶剑锋. 结合改进CNN和双线性模型的CBIR方法[J]. 计算机工程与应用, 2019, 55(16): 191-196. DOI: 10.3778/j.issn.1002-8331.1805-0169 |
| |
| 作者姓名： | 蔡鹏飞 叶剑锋 |
| |
| 作者单位： | 河南工学院 计算机科学技术系,河南 新乡,453002;南京航空航天大学 机电学院,南京,210016 |
| |
| 基金项目： | 河南省科技厅科技攻关计划;河南省教育厅项目 |
| |
| 摘 要： | 针对现有基于内容的图像检索（Content-Based Image Retrieval，CBIR）方法中图像特征维度较大等问题，提出一种结合改进卷积神经网络（Convolutional Neural Network，CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程，以此降低图像特征映射的维度。基于双线性模型的思想，使用两个特征提取器进行特征提取，并在每个图像位置上对两个特征进行内积，以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性，获得相关图像及其排序。实验结果表明，该方法能够准确检索出相关图像，并具有较低的检索时间和内存消耗。
|
| 关 键 词： | 基于内容的图像检索(CBIR) 卷积神经网络(CNN) 双线性模型 低维度图像表示 曼哈顿距离 |
CBIR Method Based on Improved CNN and Bilinear Model |
| |
| CAI Pengfei,YE Jianfeng. CBIR Method Based on Improved CNN and Bilinear Model[J]. Computer Engineering and Applications, 2019, 55(16): 191-196. DOI: 10.3778/j.issn.1002-8331.1805-0169 |
| |
| Authors: | CAI Pengfei YE Jianfeng |
| |
| Affiliation: | 1.Department of Computer Science and Technology, Henan Institute of Technology, Xinxiang, Henan 453002, China2.College of Mechanical and Electrical Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China |
| |
| Abstract: | |
| |
| Keywords: | Content-Based Image Retrieval（CBIR） Convolutional Neural Network（CNN） bilinear model low-dimensional image representation Manhattan distance |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
