[发明专利]基于深度学习的交通图像检索方法

摘要

本发明在智能交通应用场景下，提出一种基于深度学习的交通图像检索方法，实现深度哈希编码进行交通监控视频图像检索。包括：将目标数据集分为训练集与测试集两部分；通过深度卷积神经网络得到目标类别、颜色的特征以及图像哈希编码；类别、颜色特征的分类损失与哈希编码损失经后向传播优化哈希函数；哈希函数对图像进行哈希编码，计算查询图像与测试数据集中图像的哈希编码之间的汉明距离以表征两者相似程度；根据汉明距离的大小进行相似度得分排序来检索图像。本方法进行图像检索即保留了图像中丰富的多级语义信息又利用了各图像中目标特有的属性信息，通过共享网络结构完成检索与图像属性分类多任务，利用分类任务辅助检索。

主权项

1.一种基于深度学习的交通图像检索方法，其特征在于，包括下述步骤：步骤1：将已经分离好且具有多属性标签的运动目标视频帧数据集分为训练集和测试集两部分；步骤2：把训练集图像输入深度卷积神经网络中，得到目标颜色、类别特征，同时根据哈希编码函数初始参数计算每张图的哈希编码；步骤3：对图像之间的类标进行相似度排序；步骤4：计算目标损失函数，先计算训练集中图像哈希编码之间的汉明距离并进行排序，与类标的相似度排序比较进行检索分支损失函数的计算；该目标损失函数由颜色及类别属性分类任务multihinge‑loss与哈希函数学习任务的triplet‑loss共同组成，经随机梯度下降法与后向传播改变网络参数以得到深度学习哈希编码函数；步骤5：对于新的查询图像，利用步骤4学习到的哈希编码函数对图像进行哈希编码，计算查询图像与测试集中图像的哈希编码之间的汉明距离，采用该汉明距离表征查询图像与测试集中图像之间的相似程度；步骤6：根据查询图像与测试集中图像的哈希编码之间的汉明距离得到距离的大小序列进行相似度得分排序来得到检索图像列表，根据被检索图像路径所属的视频段得到相应视频的搜索。