[发明专利]一种基于分层深度哈希的大规模图像检索方法

权利要求书

1.一种基于分层深度哈希的大规模图像检索方法，其特征在于，包括如下步骤：

S1、构建分层哈希网络模型，利用高级语义信息标注的标签，逐级优化生成的分层哈希层输出值，利用反向传播算法训练分层哈希网络模型并不断优化，得到训练好的分层哈希网络模型；分层哈希网络模型包括两部分，第一部分是使用预训练的深度卷积神经网络对输入的图像提取图像特征，其中，预训练的深度卷积神经网络作为预图像分类网络，拆除预图像分类网络最后的分类全连接层，剩下的前段网络用作特征提取器进行图像特征提取；第二部分是在特征提取器后添加的分层训练的哈希层；

S2、将图像库的图像输入至训练好的分层哈希网络模型，将各个哈希层输出的数值二值化得到分层哈希值；

S3、对提取的分层哈希值建立树状索引；

S4、对待检索的图像输入至训练好的分层哈希网络模型提取查询图像的哈希值，利用距离度量法在所述树状索引中逐级搜索在给定阈值距离范围内的索引分枝和相关图像，在搜索过程中，按照给定比例过滤超出给定阈值距离范围的哈希值。

2.根据权利要求1所述的一种基于分层深度哈希的大规模图像检索方法，其特征在于，所述训练好的分层哈希网络模型中不同哈希层具有不同长度的分层哈希值。

3.根据权利要求1所述的一种基于分层深度哈希的大规模图像检索方法，其特征在于，所述S3中，按照分层哈希值建立树状索引，包括高级哈希索引和低级哈希索引，先按照高级哈希索引对哈希值进行分类，高级哈希索引下还具有若干低级哈希索引，若干低级哈希索引中重复按照高级哈希索引对哈希值分类，直到最后只剩下一级索引，最后存储为一个列表，列表中的每一项是一个同时记录了图像文件路径或ID与低级哈希索引的二元组；

树状索引的高度为分层哈希层的数量，每层下的分叉数量取决于哈希索引长度，对于每层的节点，若其哈希索引长度为N，那么其树节点的分叉数量最大2^N 。

4.根据权利要求3所述的一种基于分层深度哈希的大规模图像检索方法，其特征在于，所述S4中对树状索引的分层过滤搜索过程，通过对高级哈希索引的比对，过滤掉超出给定阈值距离范围的分支结果。