[发明专利]一种融合Faster-RCNN和Wasserstein自编码器的图像检索方法

权利要求书

1.一种融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，包括以下步骤：

S1:搭建深度学习框架，部署Faster-RCNN模型；

S2：对Faster-RCNN模型进行训练，微调网络权重；

S3：提取图像的全局特征，构建图像的全局特征图库；

S4：构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；

S5：采用Wasserstein自编码器对全局特征图进行降维，计算全局特征之间欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；

S6：提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；

S7：采用Wasserstein自编码器对局部特征图进行降维，计算图像局部特征之间的第二相似度并进行第二次排序，完成图像的细粒度检索。

2.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S1中，搭建Caffe深度学习框架。

3.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S1中，采用VGG网络结构作为所述Faster-RCNN模型中的特征提取模型。

4.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S2中，采用Oxford5k数据集中的训练集对所述Faster-RCNN模型进行训练。

5.如权利要求1或4所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S2中，采用以下方法对所述Faster-RCNN模型进行训练：

从Oxford5k数据集的11个类别中分别选取5张图像从而得到55张图像，将此55张图像进行水平翻转并保留原始图像，进而得到110张图像，将此110张图像作为训练集；

将Faster-RCNN模型的输出类别调整为12，其中包含11类物体和1类背景；

设置迭代次数为5000，训练方式为端到端训练。

6.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S3中，选择卷积层Conv5_3中的全局特征图，用于构建全局特征图库。

7.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S4中，Wasserstein自编码器包括1层卷积层、3层全连接层和1层反卷积层。

8.如权利要求1所述的融合Faster-RCNN和Wasserstein自编码器的图像检索方法，其特征在于，所述S4中，采用以下方法对Wasserstein自编码器进行训练：

设定Wasserstein自编码器的卷积层卷积核大小为5×5，步长为2；

输入第一特征图，卷积第一特征图可得第二特征图；

将第二特征图重塑到第一全连接层，得到第一特征向量；

第一特征向量映射到第二全连接层，降维输出第二特征向量；

第二特征向量映射到第三全连接层，得到第三特征向量；

对第三特征向量进行重塑，得到第三特征图；

设定Wasserstein自编码器的反卷积层卷积核大小为5×5，步长为2，反卷积第三特征图可得第四特征图；

计算第一特征图和第四特征图的Wasserstein距离作为损失值，多次迭代训练直至收敛，完成Wasserstein自编码器参数的优化。