[发明专利]基于深度卷积神经网络的分层深度搜索的图像检索方法

摘要

本发明公开一种基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法，其特征在于：主要包括一个用于深度学习和训练识别的卷积神经网络、一种搜索图像对象的快速视觉分割算法、一种用于粗搜索的用哈希方法和汉明距离快速图像的快速比对方法和一种用于基于从候选池P中图像的前k个排名图像的精准比对方法。本发明能有效提高以图搜图的自动化和智能化水平、能精准获得的搜索结果、且用较少的存储空间，较快的检索速度慢来满足大数据时代的图像检索需求。

主权项

1.一种基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法，其特征在于：包括一个用于深度学习和训练识别的卷积神经网络、一种搜索图像对象的快速视觉分割算法、一种用于粗搜索的用哈希方法和汉明距离快速图像的快速比对方法和一种用于基于从候选池P中图像的前k个排名图像的精准比对方法；所述的卷积神经网络，共分为八层，由卷积层、激活层和下采样层交替构成的深度结构；输入图像在网络中进行层层映射，得到各层对于图像不同的表示形式，实现图像的深度表示；所述的快速视觉分割算法，利用边缘信息，确定候选框内的轮廓个数和与候选框边缘重叠的轮廓个数，并对候选框进行评分，根据得分的高低顺序确定由大小、长宽比和位置构成的候选区域信息；所述的快速比对方法，通过在所述的卷积神经网络第七层和第八层之间嵌入一个隐层H，在隐层H将高维的特征向量转化成二进制代码，通过用哈希方法和汉明距离对这种紧凑的二进制代码进行快速图像的比对；所述的精准比对方法，用于对候选池P中的候选图像与搜索图像I_q进行欧氏距离计算。