[發明專利]一種基于形狀回歸的草圖圖像檢索方法有效
| 申請號： | 201810304969.6 | 申請日： | 2018-04-08 |
| 公開（公告）號： | CN108681555B | 公開（公告）日： | 2019-08-02 |
| 發明（設計）人： | 雷建軍;宋宇欣;侯春萍;鄭凱夫;彭勃;牛力杰 | 申請（專利權）人： | 天津大學 |
| 主分類號： | G06F16/583 | 分類號： | G06F16/583;G06N3/04;G06N3/08 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 草圖圖像 初始化 回歸 檢索 損失函數 網絡 卷積神經網絡 邊界提取 輪廓圖像 圖像檢索 圖像數據 圖像特征 網絡整體 余弦距離 原始圖像 圖像域 排序 匹配 近似 遷移 圖像 學習 分類 挖掘 引入 | ||
1.一種基于形狀回歸的草圖圖像檢索方法，其特征在于，所述方法包括以下步驟：
使用ImageNet圖像數據預訓練的VGG19網絡作為初始化網絡；
使用Gb邊界提取方法，生成草圖近似；
將Gb輪廓圖像和原始圖像同時送到初始化網絡中進行訓練，實現域遷移學習；
在初始化網絡的分類softmax損失基礎上，增加形狀回歸損失作為網絡整體的損失函數，該損失函數的設計有助于挖掘圖像和形狀之間的潛在一致性；
在圖像檢索的過程中，利用提取出來的草圖特征和圖像特征基于余弦距離進行匹配和排序；
所述網絡整體的損失函數為：
L(p,y,t,v)＝Lcls(p,y)+λLreg(t,v)
其中，第一個損失項Lcls(p,y)＝-logpy，是真實類別y的對數分類損失，py為輸入圖像或輪廓屬于真實類別的概率；
第二個損失項λLreg(t,v)是基于形狀信息的回歸損失，t表示目標形狀向量，從Gb輪廓中提取得到，v表示網絡預測的形狀信息輸出，超參數λ表示兩個損失項之間的權重比。
2.根據權利要求1所述的一種基于形狀回歸的草圖圖像檢索方法，其特征在于，
在網絡訓練完成后，所述初始化網絡具備同時輸出有效的草圖特征和圖像特征的能力，更好地關聯圖像特征和草圖特征。
3.根據權利要求1所述的一種基于形狀回歸的草圖圖像檢索方法，其特征在于，
所述形狀回歸損失將形狀信息引入圖像特征，促進草圖特征與其對應的圖像形狀的關聯性信息的挖掘，提取魯棒的圖像和草圖特征。
4.根據權利要求1所述的一種基于形狀回歸的草圖圖像檢索方法，其特征在于，
所述形狀回歸損失項的回歸目標是從Gb輪廓中提取的形狀信息，用于增強網絡保留形狀信息的能力。
5.根據權利要求1所述的一種基于形狀回歸的草圖圖像檢索方法，其特征在于，
調整Gb輪廓圖的大小為8×8來降低由于大分辨率引入的形狀誤差影響，調整大小后的輪廓圖被映射成一個一維形狀向量，大小為64維；同時，形狀回歸損失嵌入層的維度也調整為64維，與上述形狀向量的大小相匹配。
6.根據權利要求1所述的一種基于形狀回歸的草圖圖像檢索方法，其特征在于，
兩個損失項之間的權重比λ值設為1，形狀回歸損失項使用歐式距離作為回歸的距離度量函數，具體設計如下：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津大學，未經天津大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810304969.6/1.html，轉載請聲明來源鉆瓜專利網。
