[发明专利]一种深度学习与近似目标定位的图像检索方法

权利要求书

1.一种深度学习与近似目标定位的图像检索方法，其特征在于，包括如下步骤：

步骤1、特征提取与加权，提取图像在卷积神经网络卷积层中最后一层‘pooling’层产生的激活映射，将提取的特征进行空间加权和通道加权；

步骤2、获取图像的局部特征，滑框技术被运用到利用步骤1得到的已经加权完整的激活映射的长宽截面上，利用步骤1得到的卷积层的激活应用各种尺度的滑动窗口，提取所有块中的特征向量，以获取图像中的局部信息，形成加权处理的F-CroW过程；

步骤3、区域划分，根据步骤2中得到的图像的所有特征向量，进行l₂范数归一化，然后用PCA-Whiten表现图像的矢量集合，之后再对图像表示进行l₂范数处理，最终一幅图像可以划分为N个区域；

步骤4、目标定位区域，根据步骤3得到的参考数据库中图像的N个区域与查询图像中提取的图像的完整区域逐一计算相似度得分，从而得到一个或多个相对准确的查询特定对象的区域；

步骤5、图像重排序，先将步骤4得到的相似性区域进行整合，确定图像的边界，将得到的图像经过加权处理的F-CroW过程形成单一特征映射表示，再将步骤3得到的查询图像N个相似区域对应的区域激活映射进行累加聚集，即不经过加权处理的F-CroW过程，形成单一特征映射表示，然后进行l₂范数归一化，最后计算最终得到的查询图像的特征向量与待处理图像的特征向量的相似度分数；

步骤2具体按照以下步骤实施：

在步骤1的基础上，滑框技术被运用到已经加权完整的激活映射的长宽截面上；

步骤2.1、滑框的选择标准与过程，滑框的使用将会被分为三个尺度等级下进行，这三个尺度等级分别对应着激活映射的最大尺寸(L，H)，三分之二尺寸(2/3L，2/3H)和二分之一尺寸(1/2L，1/2H)，同时，每个尺度等级下的滑框移动步长也是不同的，分别为(1/2L，1/2H),(1/3L，1/3H)和(1/4L，1/4H)；

步骤2.2、在等级1中，只是直接利用全部的激活映射并且从长和宽两个方向进行累加聚集成一个向量；在其余尺度等级中，激活映射在各自对应的滑框尺度和步长的处理下，在滑框每移动一个步长则会得到一个局部区域的激活映射并从长、宽方向累加聚集成一个向量，由此，从等级2与等级3中分别会得到4个向量和9个向量的特征向量集；定义V_a,b为第a个滑框尺度等级下的第b个向量；单幅图像在改进后的模型F-CroW中的表达形式为累加上述所有滑框尺度等级下的特征向量的和，如式(7)所示：

2.如权利要求1所述的一种深度学习与近似目标定位的图像检索方法，其特征在于，步骤1具体按照以下步骤实施：

步骤1.1、使用预先训练的卷积网络根据来自卷积层的每个图像的图像大小和纵横比来提取激活和特征映射；

步骤1.2、经步骤1.1处理后，对提取的卷积层的映射微调空间映射χ的参数，χ舍弃了原有为了处理卷积层激活映射长宽截面数值小的开方量化；而l₂范数归一化得以保留，保证加权的鲁棒性，则χ被定义如式(1)所示：

式中，S′表示累加激活映射所有频道的特征矩阵得到的结果；

如果将第k个频道的特征矩阵定义为F^k，那么S′将如式(2)所示：

步骤1.3、对特征进行通道加权，由稀疏敏感矩阵建立起来的各个频道加权，将会被重新设计被替代为一种特殊的IDF策略，那么各个频道权重φ_k，则如式(3)所示：

式中，N_x表示F^x特征矩阵中非0元素的个数，并且被定义如式(4)所示：

其中的λ^i,j,x则是F^x中坐标是(i,j)的元素点，每幅图从一个加权过的激活映射被计算成一个向量，其过程如式(5)(6)所示：

A′_i,j,k＝χ_i,jφ_kA_i,j,k (5)；

步骤1对于单幅图像的表达方式进行了调整并修改。