[發(fā)明專利]一種基于深度學習的圖像哈希編碼方法

有效

• 申請?zhí)枺?/td>: 201710182659.7
• 申請日: 2017-03-24
• 公開（公告）號: CN107016708B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設計）人: 顏成鋼;楊東寶;孫垚棋;彭冬亮;張勇東;薛安克
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T9/00
• 分類號: G06T9/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 杜軍

本發(fā)明公開了一種基于深度學習的圖像哈希編碼方法。本發(fā)明包括如下步驟：步驟1、采用在ImageNet圖像識別數(shù)據(jù)庫上訓練好的圖像分類模型GoogLeNet作為初始化的基本網(wǎng)絡結構，并將GoogLeNet模型的最后一層分類層替換為哈希層，該哈希層的單元數(shù)即為圖像要編碼成的比特數(shù)；步驟2、對GoogLeNet模型的參數(shù)進行優(yōu)化；步驟3、將圖像檢索數(shù)據(jù)集中的圖像輸入至優(yōu)化好的GoogLeNet模型，并將GoogLeNet模型輸出的浮點數(shù)量化為二值碼，從而得到每幅圖像的二值碼。本發(fā)明實現(xiàn)了圖像特征與哈希函數(shù)的聯(lián)合優(yōu)化，克服了傳統(tǒng)哈希方法學習到的哈希編碼與圖像特征不符的缺點。

技術領域

本發(fā)明涉及一種編碼方法，尤其涉及一種基于深度學習的圖像哈希編碼方法。

背景技術

隨著網(wǎng)絡上的圖像數(shù)量迅速增長，基于內(nèi)容的圖像檢索日趨重要，哈希技術得到了越來越多的關注。哈希技術的目標是構建哈希函數(shù)，將數(shù)據(jù)從原始空間映射到壓縮的二進制碼，同時保留原始空間的數(shù)據(jù)結構。由于壓縮的二進制碼能提高計算和存儲的效率，所以哈希對于最近鄰查找來說是一項強有力的技術。大部分的哈希編碼方法的流程是：首先提取圖像的手工設計的特征表示，然后在此基礎上學習哈希函數(shù)。手工設計的特征更傾向于描述圖像的視覺信息，而不是其語義信息，此外特征的學習和哈希函數(shù)的學習兩個階段割裂，會導致產(chǎn)生的二值碼與特征表示不符。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術的不足，提供一種基于深度學習的圖像哈希編碼方法。

本發(fā)明解決其技術問題所采用的技術方案包括如下步驟：

步驟1、采用在ImageNet圖像識別數(shù)據(jù)庫上訓練好的圖像分類模型GoogLeNet作為初始化的基本網(wǎng)絡結構，并將GoogLeNet模型的最后一層分類層替換為哈希層，該哈希層的單元數(shù)即為圖像要編碼成的比特數(shù)；

步驟2、對GoogLeNet模型的參數(shù)進行優(yōu)化；

2-1.每次迭代將從圖像檢索數(shù)據(jù)集中選取的50幅圖像，作為GoogLeNet模型的輸入；并且將圖像上人工標注的標簽信息同時作為GoogLeNet模型的輸入，用于判斷圖像間的相似性；共迭代M次；

2-2.在每次迭代中，將從圖像檢索數(shù)據(jù)集中選取的50幅圖像隨機兩兩組合構成成對圖像，并通過成對圖像的標簽信息判斷兩幅圖像是否相似，從而對成對圖像進行損失計算；

2-3.根據(jù)每幅圖像輸入進GoogLeNet模型得到的二值碼，進行二值碼均勻分布損失的計算和量化損失的計算；

2-4.計算出每一次迭代的圖像的所有損失，即成對圖像損失、二值碼均勻分布損失和量化損失的累加；然后使用隨機梯度下降算法和反向傳播算法來對GoogLeNet模型的參數(shù)進行更新，迭代進行M次后，得到了優(yōu)化好的GoogLeNet模型；

步驟3、將圖像檢索數(shù)據(jù)集中的圖像輸入至優(yōu)化好的GoogLeNet模型，并將GoogLeNet模型輸出的浮點數(shù)量化為二值碼，從而得到每幅圖像的二值碼。

所述的成對圖像的損失通過如下?lián)p失函數(shù)計算：

s.t.b_i∈{-1，+1}^q，i∈{1，2}， (1)

其中，設輸入的成對圖像分別為I₁，I₂，其對應的二值碼為b₁，b₂；S表示兩幅圖像是否相似，若相似，S＝1；否則，S＝0；H(·,·)表示兩個二值碼間的海明距離，如果兩幅圖像是相似圖像，則損失等于其二值碼間的海明距離，否則當兩幅圖像不相似時，定義一個閾值t，若海明距離小于該閾值時，才對該損失函數(shù)有貢獻；