联合加权聚合深度卷积特征的图像检索方法
【作者】时璇 许林松 李晨 王佳星 李党超
【关键词】
图像检索; 深度卷积特征; 空间权重矩阵; 通道权重向量; 聚合;
【摘要】针对图像特征提取不充分影响图像检索平均精确率的问题,提出了一种基于联合加权聚合深度卷积特征的图像检索方法。该方法将图像输入到预先训练好的卷积神经网络中,提取最后一个卷积层输出作为图像的深度卷积特征;通过计算空间权重矩阵突出图像的显著性区域并抑制背景噪声区域,然后根据通道方差最大原则选取相应的特征图计算出空间权重矩阵,将原始深度卷积特征加权聚合为列向量;通过区分性地对待不同通道的特征图,计算出通道权重向量与上述列向量点乘得到最终的全局特征向量。公开数据集上的实验结果表明,本文方法能够有效地增强图像特征的表达能力,在图像检索的平均精确率上优于其他同类方法,可以有效地应用到图像检索相关领域。
上一篇:面向流体机械仿真的层次化并行计算模型
下一篇:一种均匀化稀疏表示的图像压缩感知算法