[发明专利]一种基于深度学习与局部特征融合的哈希图像检索方法

摘要

本发明的一种基于深度学习与局部特征融合的哈希图像检索方法，所述方法包括五个部分:(1)图像的预处理；(2)用卷积神经网络对含有分类标签的图像进行训练；(3)用二值化方式生成图像的哈希码并提取1024维浮点型局部聚合向量；(4)用哈希码进行粗检索；(5)用局部聚合向量进行精检索。本发明的一种基于深度学习与局部特征融合的哈希图像检索方法提取两种特征后用近似最近邻搜索策略来进行图像检索，检索精确度高、检索速度快。

主权项

一种基于深度学习与局部特征融合的哈希图像检索方法，其特征在于，包括如下步骤：1)将输入的图像进行预处理，依次对每张图像进行去均值化、裁剪和镜像；2)将预处理后的图像构建成三元组的形式输入到深度卷积网络进行训练；3)将GoogLeNet网络中inception 4b层、inception 4e层和inception 5b层输出的特征图分别进行最大值池化和卷积处理，然后使用合并层将处理后的特征图进行拼接；4)将合并层输出的特征图进行卷积核大小为1×1的卷积操作，得到大小为128×5×5的特征图；5)将1×1卷积操作后的特征图进行总和池化处理，并将128个特征图连接成一个128维的向量，向量每个维度上的值对应单个特征图的所有元素总和值；6)将输出的大小为128×1×1的特征图经过一个结点个数为1024的全连接层映射，得到1个1024维的局部聚合向量；7)将得到的局部聚合向量输入到哈希映射层，并利用感知哈希算法计算得到哈希码；8)将得到的局部聚合向量进行L2范数归一化，归一化后的向量使用三元组损失形成约束优化，并与交叉熵损失函数同时进行训练。