[發明專利]一種基于哈希編碼的印花織物圖像檢索方法

有效

• 申請號: 201810651428.0
• 申請日: 2018-06-22
• 公開（公告）號: CN108984642B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 景軍鋒;王妙;李鵬飛;蘇澤斌;張緩緩;張蕾;張宏偉
• 申請（專利權）人: 西安工程大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 曾慶喜

1.一種基于哈希編碼的印花織物圖像檢索方法，其特征在于，具體按照以下步驟實施：

步驟1，在ImageNet數據集上進行有監督訓練，得到預訓練模型，即AlexNet網絡；

步驟2，建立印花織物數據庫，并批量進行預處理；

步驟3，對經步驟1后得到的AlexNet網絡進行修改；具體為：

在AlexNet網絡的最后一個全連接層fc8和倒數第二個全連接層fc7之間加入哈希層，激活函數選用Sigmoid，并將原始的第一和第二卷基層后的LRN局部響應歸一化改為BatchNorm批量歸一化；

BatchNorm歸一化的計算公式，如式(2)所示：

步驟4，利用步驟2中建立的印花織物數據庫對經步驟3后得到的AlexNet網絡進行fine-tuning；具體按照以下步驟實施：

步驟4.1，將修改后的AlexNet網絡模型輸入數據Source及均值路徑mean_file改為步驟2中得到的文件路徑；

第一卷積層、第二卷積層進行卷積操作后依次進行歸一化、ReLU激活及池化操作，第三卷積層和第四卷積層進行卷積操作后進行ReLU激活操作，第五卷積層進行卷積操作后進行ReLU激活及池化操作，最后一層全連接層進行卷積操作后依次進行了Accuracy和Softmax-loss操作；

其中，ReLU激活采用的激活函數為f(x)＝max(x,0)；

池化方法采用max最大池化法，計算方法，如式(3)及式(4)所示：

w₁＝(w₀+2*pad-ker nel_size)/stride+1 (3)；

h₁＝(h₀+2*pad-ker nel_size)/stride+1 (4)；

式(3)及式(4)中，pad為邊緣擴充默認為0，kernel_size為池化的核大小，設置為3，步長stride為2；w₀、h₀為輸入的特征圖寬度和高度，w₁、h₁則是池化后的寬度和高度；

步驟4.2，修改solver.prototxt中的訓練參數，設置合適的基礎學習率，并選用NAG代替SGD進行權值更新；

步驟4.3，隨機提取圖像227*227的子塊或鏡像輸入到經步驟4.1后得到修改后的AlexNet網絡中，復用AlexNet模型的前7層權重做fine-tuning，得到第7層、第8層和output層之間的權重；

步驟5，利用步驟4中fine-tuning得到的網絡模型提取每張圖像的哈希二值編碼，計算查詢圖像與數據庫圖像二值哈希編碼之間的漢明距離，得到與查詢圖像最相似的m個池內圖像；

步驟6，計算池內m個圖像與查詢圖像fc7層特征向量之間的歐式距離，將圖像數據庫中的圖像按歐式距離由小到大排列，提取出與最小歐式距離相對應的幾幅圖像，即為要檢索的相似度最高的top k圖像。

2.根據權利要求1所述的一種基于哈希編碼的印花織物圖像檢索方法，其特征在于，所述步驟1中，AlexNet網絡，包括五個卷積層和三個全連接層，第一卷積層Conv1、第二卷積層Conv2、第三卷積層Conv3、第四卷積層Conv4和第五卷積層Conv5，第六全連接層fc6、第七全連接層fc7和第八全連接層fc8，并且第一卷積層至第五卷積層直接依次級聯，第六全連接層至第八全連接層直接依次級聯，第六全連接層直接連接到第五卷積層上；第一卷積層至第五卷積層為特征提取層，第六全連接層至第八全連接層為特征融合層和分類層。