[发明专利]一种带有物体位置感知的多标签图片哈希方法

摘要

本发明提供一种带有物体位置感知的多标签图片哈希方法，该方法提出的自学习背景过滤结构，对模型抽取的特征进行优化，能够有效的剔除背景的干扰，且使用了一个可一体化训练的网络结构，提高了图片搜索的准确度。

主权项

1.一种带有物体位置感知的多标签图片哈希方法，其特征在于，包括以下步骤：S1：采集训练样本数据；S2：将448×448大小的图片输入到卷积子网络中，这里的卷积子网络结构使用的是改造后的GoogLeNet，我们把原始结构中最后一个pooling层去除，新增一个卷积核大小为3×3的卷积层，最终的输出为14×14×480的feature map；S3：步骤S2得到的feature map之上新增一个1×1的卷积层，得到一个大小为14×14的feature map，再通过softmax操作和截断操作，其中大于预设置参数θ则取为1否则为0，后最终得到一个14×14的二值feature map，称为binary mask，值1表示的区域是有物体的区域，值0则对应于背景，Softmax函数的定义如下：Fi,j为featrue map上横轴为i，竖轴为j的位置的值；S4：根据步骤S3得到的binary mask对步骤B中的feature map进行pooling，只保留对应binary mask中值为1的区域，这样我们就得到一个480维的特征；S5：将步骤S4最终的480维特征输入到一个480×k的激活函数为TanH的全连接网络，得到k维的‑1到1之间的实数表示，再将该k维实数表示输入到cross entropy loss层和triplet loss层进行训练；triplet loss的定义如下：s.t.B(I),B(I+),B(I_)∈[‑1,1]qcross entropy loss的定义如下：最终的loss由这两个loss合并得到：S6：用训练好的模型重复步骤B到步骤E，并将步骤E的k维实数进行截断，其中大于0的截断为1否则截断为0，得到k维的二值哈希码。