[发明专利]一种融合Faster-RCNN和Wasserstein自编码器的图像检索方法

摘要

本发明公开一种融合Faster‑RCNN(Faster‑Regions with Convolutional Neural Network,快速区域卷积神经网络)和Wasserstein自编码器的图像检索方法。本发明搭建深度学习框架，采用Faster‑RCNN模型提取图像特征；对Faster‑RCNN模型进行训练，微调网络权重；提取图像的全局特征，构建图像的全局特征图库；构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；采用Wasserstein自编码器对全局特征进行降维，计算欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；采用Wasserstein自编码器对局部特征进行降维，计算第二相似度并进行第二次排序，完成图像的细粒度检索。该方法能加快图像的检索速度以及提高图像检索的准确率。

主权项

1.一种融合Faster‑RCNN和Wasserstein自编码器的图像检索方法，其特征在于，包括以下步骤：S1:搭建深度学习框架，部署Faster‑RCNN模型；S2：对Faster‑RCNN模型进行训练，微调网络权重；S3：提取图像的全局特征，构建图像的全局特征图库；S4：构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；S5：采用Wasserstein自编码器对全局特征图进行降维，计算全局特征之间欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；S6：提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；S7：采用Wasserstein自编码器对局部特征图进行降维，计算第二相似度并进行第二次排序，完成图像的细粒度检索。