文献类型：期刊文章

作　　者：刘海龙[1,2] 李宝安[2] 吕学强[1] 黄跃[3]

机构地区：[1]北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101 [2]北京信息科技大学计算机学院,北京100101 [3]首都医科大学宣武医院,北京100053

出　　处：《计算机应用研究》

基　　金：网络文化与数字传播北京市重点实验室开放课题(ICDD201504);国家自然科学基金资助项目(61271304);北京成像技术高精尖创新中心项目(BAICIT-2016003);2014年度国家社会科学基金委托课题(14@ZH036)

年　　份：2017

卷　　号：34

期　　号：12

起止页码：3816-3819

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先,改进LeNet-5卷积神经网络结构,增加网络结构深度;然后,对深度卷积神经网络模型LeNet-L进行预训练,得到训练好的网络模型,进而提取出图像高层语义特征;最后,通过距离函数比较待检图像与图像库的相似度,得出相似图像。在Corel数据集上,与原模型以及传统基于SVM主动学习图像检索方法相比,该图像检索方法有较高的准确性。经实验结果表明,改进后的卷积神经网络具有更好的检索效果。

关 键 词：图像检索 卷积神经网络 特征提取 深度学习  

分 类 号：TP391.41]