[发明专利]一种基于卷积神经网络的花卉图像检索方法

摘要

本发明公开了一种基于卷积神经网络的花卉图像检索方法，包括：构建带有类别信息的花卉图像数据集，并使用随机图像变换方法处理花卉图像以增强花卉图像数据集；构建基于VGG16的花卉分类深度卷积神经网络模型VGG‑F，其中，FC1、FC2和分类层的节点数分别为1024、256和花卉类别总数；通过模型VGG‑F的FC2分别提取待查询图像和花卉图像数据集中每一个花卉图像的特征向量，并进行相似性比较，得到最相似的2N个花卉图像；分别计算待查询图像和得到的2N个花卉图像中每一个花卉图像的HSV颜色分布特征向量，并进行比较，得到最相似的N个花卉图像。本发明基于卷积神经网络，有效提高了花卉检索的准确率。

主权项

1.一种基于卷积神经网络的花卉图像检索方法，其特征在于，包括如下步骤：/n(1)构建带有类别信息的花卉图像数据集，并使用随机图像变换方法处理花卉图像以增强所述花卉图像数据集，从而防止后续模型训练时过拟合；/n(2)构建基于VGG16的花卉分类深度卷积神经网络模型VGG-F，并使用Adam优化算法优化所述模型VGG-F的参数的学习训练；所述模型VGG-F中，第一个全连接层的节点数为1024个，第二个全连接层的节点数为256个，分类层的节点数为所述花卉图像数据集中的花卉类别总数；/n(3)通过所述模型VGG-F的第二个全连接层分别提取待查询图像和所述花卉图像数据集中每一个花卉图像的特征向量，并进行相似性比较，提取所述花卉图像数据集中与待查询图像最相似的2N个花卉图像作为初步检索结果；其中，N为正整数；/n(4)分别计算待查询图像和所述初步检索结果中每一个花卉图像的HSV颜色分布特征向量，并进行比较，提取所述初步检索结果中与待查询图像最相似的N个花卉图像作为检索结果；检索结束。/n