文献类型：期刊文章

作　　者：任夏荔[1] 陈光喜[1] 曹建收[1] 蔡天任[1]

机构地区：[1]桂林电子科技大学计算机与信息安全学院,广西桂林541004

出　　处：《计算机工程与设计》

基　　金：广东省数学教育软件工程技术研究中心开放基金项目(LD16124X);广西自然科学基金项目(2013GXNSFC019330);广西图像处理重点实验室基金项目(LD15042X);广西学位与研究教育改革基金项目(JGY2014060)

年　　份：2018

卷　　号：39

期　　号：2

起止页码：503-510

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对图像高维特征占用巨大存储空间的问题,考虑到其中一些特征存在高度相关性,提出一种基于深度学习特征的图像检索方法。利用卷积神经网络,提取基于深度学习的图像特征;通过分析特征本身存在的相关性,采用主成分分析算法,对特征降维的同时尽量降低信息的损失;在此基础上对特征进行哈希编码,利用编码做快速图像检索。Caltech101和Caltech256数据集上的实验结果表明,相比直接使用原始深度特征进行编码检索,所提方法的检索性能更好。

关 键 词：图像检索 卷积神经网络 深度学习  主成分分析 哈希编码  

分 类 号：TP391.41]