[发明专利]一种基于形状回归的草图图像检索方法有效
| 申请号： | 201810304969.6 | 申请日： | 2018-04-08 |
| 公开（公告）号： | CN108681555B | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 雷建军;宋宇欣;侯春萍;郑凯夫;彭勃;牛力杰 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06N3/04;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于形状回归的草图图像检索方法，所述方法包括以下步骤：使用ImageNet图像数据预训练的VGG19网络作为初始化网络；使用Gb边界提取方法，生成草图近似；将Gb轮廓图像和原始图像同时送到初始化网络中进行训练，实现域迁移学习；在初始化网络的分类softmax损失基础上，增加形状回归损失作为网络整体的损失函数，该损失函数的设计有助于挖掘图像和形状之间的潜在一致性；在图像检索的过程中，利用提取出来的草图特征和图像特征基于余弦距离进行匹配和排序。本发明通过引入形状回归损失，利用经过预训练的卷积神经网络，对草图域和图像域进行学习，实现基于形状回归的草图图像检索。 | ||
| 搜索关键词： | 草图图像 初始化 回归 检索 损失函数 网络 卷积神经网络 边界提取 轮廓图像 图像检索 图像数据 图像特征 网络整体 余弦距离 原始图像 图像域 排序 匹配 近似 迁移 图像 学习 分类 挖掘 引入 | ||
【主权项】：
1.一种基于形状回归的草图图像检索方法，其特征在于，所述方法包括以下步骤：使用ImageNet图像数据预训练的VGG19网络作为初始化网络；使用Gb边界提取方法，生成草图近似；将Gb轮廓图像和原始图像同时送到初始化网络中进行训练，实现域迁移学习；在初始化网络的分类softmax损失基础上，增加形状回归损失作为网络整体的损失函数，该损失函数的设计有助于挖掘图像和形状之间的潜在一致性；在图像检索的过程中，利用提取出来的草图特征和图像特征基于余弦距离进行匹配和排序；所述网络整体的损失函数为：L(p,y,t,v)＝Lcls(p,y)+λLreg(t,v)其中，第一个损失项Lcls(p,y)＝‑logpy，是真实类别y的对数分类损失，py为输入图像或轮廓属于真实类别的概率；第二个损失项λLreg(t,v)是基于形状信息的回归损失，t表示目标形状向量，从Gb轮廓中提取得到，v表示网络预测的形状信息输出，超参数λ表示两个损失项之间的权重比。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810304969.6/，转载请声明来源钻瓜专利网。
