面向高效图像检索的深度哈希学习研究

发布时间：2024-03-13 04:27

　　随着大数据时代的到来,图像和视频数据的爆炸式增长对视觉目标对象的高效查询与检索带来前所未有的挑战,亟需高效鲁棒的特征表示与检索方法,因此面向大规模视频图像的高效检索是计算机视觉领域的需要解决的重要问题之一。实现高效鲁棒的大规模图像检索的关键是如何进行高效鲁棒的紧凑特征提取,因此本文的工作主要集中在以下两个方面:(1)如何让后端的紧凑特征学习与前端的目标检测进行联合优化从而实现高效特征抽取,(2)如何设计更鲁棒的相似度度量和量化方法,提升紧凑特征的判别力和鲁棒性。(1)传统紧凑特征提取方法通常假定目标的检测结果已经预先给定而只关注特征抽取建模,然而在智能视频监控等实际应用中,往往无法假定图像中感兴趣目标的位置信息是已知的。最终目标检索的性能,不但依赖于紧凑特征学习还同时依赖于前段目标检测的模块。面向大规模纹身检索这一问题,本文提出了基于多任务的检测与紧凑特征联合学习方法。充分考虑目标检测和特征学习两个任务之间的相关性,使目标检测和特征学习进行有效的特征共享,并相互促进。最终,利用一个端到端学习模型即可同时实现纹身检测和纹身紧凑特征学习的联合优化。(2)针对如何设计更好的相似度度量和减少量...

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

图１．１三维局部敏感哈希示意图??

?面向高效图像检索的深度哈希学习研究???位于同一个桶中，因此在高维空间中比较接近的特征点在汉明空间中也较为接??近。如图１．１所示该方法就是随机划分ｎ个平面，高维空间的特征点和每一个平??面都有一个对应关系，这种关系可以表示为〇和１两种编码，那么一共就可以产??生２ｎ个编码。?....

图１．５文献［４］采用的学习策略??

?第１章绪论???國園?Ｐｉ?Ｉ?＋１ｔ￣ｌＭ?？??ａＨ§?§?—２?？＇／?２；??＇ｓ＾Ｊ???１＾１???／〇Ｊ５?ｓｉｍｉｌａｒｉｔｙ?／??ｉｎｐｕｔ?ＣＮＮｓ?ｆｃｈ?ｓｇｎ?ｌａｂｅｌ?．ｉ｜，??图１．５文献［４］采用的学习策略??Ｆｉｇｕｒｅ?１．５?Ｌｅａｒ....

图１．６文献丨５］模塑结构图??．

?第１章绪论???國園?Ｐｉ?Ｉ?＋１ｔ￣ｌＭ?？??ａＨ§?§?—２?？＇／?２；??＇ｓ＾Ｊ???１＾１???／〇Ｊ５?ｓｉｍｉｌａｒｉｔｙ?／??ｉｎｐｕｔ?ＣＮＮｓ?ｆｃｈ?ｓｇｎ?ｌａｂｅｌ?．ｉ｜，??图１．５文献［４］采用的学习策略??Ｆｉｇｕｒｅ?１．５?Ｌｅａｒ....

图２．１文献［７］中深度神经网络中的硬参数共享??

?面向高效图像检索的深度哈希学习研究???，Ｔ３ｓｋ?Ａ?Ｔ３．ｓｋ?Ｂ?ｊＴｓｓｋ?０｜?Ｔａｓｋ－??ｔ?１—?ｆ?￣?ｓｐｅｃｉｆｉｃ??ｌａｙｅｒｓ??｜?Ｓｈａｒｅｄ????ｌａｙｅｒｓ??图２．１文献［７］中深度神经网络中的硬参数共享??Ｆｉｇｕｒｅ?２．１?Ｈａｒｄ....

本文编号：3927188