[发明专利]一种基于深度卷积神经网络的图像检索方法

摘要

本发明涉及一种基于深度卷积神经网络的图像检索方法，该方法包括S1采集图像数据；S2构建深度卷积神经网络模型；S3对该模型被训练和参数调整后，在该模型中进行学习二进制哈希编码以及计算损失；S4在计算损失后，再对测试集图像数据进行图像检索。通过本发明学习到图像的深层次的特征，提高图像检索的精确度，克服了没有办法学习到图像深层次的特征，以及没有办法解决计算数据量存储空间过大的问题。

主权项

一种基于深度卷积神经网络的图像检索方法，其特征在于，该方法包括以下步骤：S1：采集图像数据，将采集的图像数据进行归一化预处理，再将经预处理后的图像数据分为训练集图像数据、测试集图像数据，并将训练集图像数据和测试集图像数据存入图像数据库中；S2：构建深度卷积神经网络模型，对该模型进行参数的初始化，同时将训练集图像数据输入到初始化后的深度卷积神经网络模型中，并对该模型进行训练以及参数调整；S3：在该模型被训练和参数调整后，将测试集图像数据输入到该模型中进行二进制哈希编码学习，并计算误差损失；S4：在计算误差损失后，再对该些测试集图像数据进行图像检索。