[發(fā)明專利]一種面向圖像檢索的對象級深度特征聚合方法

在審

• 申請?zhí)枺?/td>: 201611152148.2
• 申請日: 2016-12-14
• 公開（公告）號: CN106649665A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計）人: 李豪杰;暴雨;樊鑫;羅鐘鉉
• 申請（專利權(quán)）人: 大連理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 大連理工大學專利中心21200
• 代理人: 李曉亮,趙連明

1.一種面向圖像檢索的對象級深度特征聚合方法，其特征在于以下步驟：

步驟1，對數(shù)據(jù)庫中的每一張圖像采用Selective Search算法提取候選區(qū)域，生成圖像候選區(qū)域；

步驟2，選擇卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，并在公共數(shù)據(jù)庫上對卷積神經(jīng)網(wǎng)絡(luò)進行預訓練；

步驟3，采用訓練完成的卷積神經(jīng)網(wǎng)絡(luò)提取所有圖像候選區(qū)域的特征

3.1)將圖像候選區(qū)域縮放填充到固定大小后，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入；

3.2)將卷積神經(jīng)網(wǎng)絡(luò)的全連接層FC7的輸出作為該圖像候選區(qū)域的描述特征；

步驟4，對步驟3得到的候選區(qū)域的描述特征采用主成分分析算法進行降維，將其維度降為N維，得到低維候選區(qū)域特征；

步驟5，對步驟4得到的低維候選區(qū)域特征采用K均值聚類算法進行無監(jiān)督聚類，聚成K個聚類中心；

步驟6，對步驟4得到的屬于同一張圖像的低維候選區(qū)域特征和步驟5得到的K個聚類中心，采用VLAD算法進行聚合，每張圖像得到一個維度為N*K維的VLAD特征；

步驟7，對步驟6得到的VLAD特征采用主成分分析算法進行降維，將其維度降為D維，生成簡潔的圖像特征。