[發(fā)明專利]一種基于深度學習的壓縮域大規(guī)模圖像檢索方法

有效

• 申請?zhí)枺?/td>: 201910334229.1
• 申請日: 2019-04-24
• 公開（公告）號: CN110069644B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設計）人: 熊健;任強;熊力瑤;范宇軒;桂冠
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F16/53
• 分類號: G06F16/53;G06F16/51;G06N3/0464
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種基于深度學習的壓縮域大規(guī)模圖像檢索方法，其特征在于，包括：

S1，利用壓縮CNN網絡對圖像數(shù)據(jù)庫進行壓縮，得到空間占用小于原圖像的壓縮編碼；進一步包括：

a)壓縮前統(tǒng)一圖像尺寸：采用Random-crop方法將圖像尺寸統(tǒng)一到256*256，裁剪后的圖像像素矩陣維度為256*256*3；

b)圖像壓縮：構建基于深度卷積網絡的圖像壓縮網絡，利用ImageNet數(shù)據(jù)集對網絡進行訓練，訓練后的網絡具有較佳的峰值信噪比和結構相似性指標，將圖像檢索數(shù)據(jù)送入訓練后的壓縮網絡的編碼器進行壓縮，得到尺寸為32*32*64的浮點型編碼；

c)壓縮圖片的量化：對圖像壓縮后的浮點數(shù)進行量化；

S2，利用哈希CNN網絡對壓縮圖像進行哈希編碼；所述哈希CNN網絡為改進的AlexNet結構，基于AlexNet結構的改進網絡將壓縮編碼Z轉換成圖像壓縮特征X(ⁱ),并利用哈希層將圖像壓縮特征X(ⁱ)映射為K維向量，K即為哈希碼的長度；激活函數(shù)使用雙曲正切函數(shù)將K維向量映射到[-1,1]之間，最后將激活函數(shù)的結果進行量化，得到屬于{-1,1}二值空間的二進制哈希碼H；

利用改進的AlexNet結構對壓縮圖像進行哈希編碼的步驟進一步包括：

a)訓練前劃分數(shù)據(jù)集：通過壓縮CNN網絡壓縮后的數(shù)據(jù)集圖像壓縮編碼統(tǒng)一尺寸為32*32*64，將圖像數(shù)據(jù)集以及其對應的標簽分為訓練樣本集和測試樣本集兩部分，其中，訓練樣本集在訓練過程中隨機選取部分圖像作為驗證樣本集；

b)保證訓練模型的魯棒性：對輸入訓練集通過水平翻轉、垂直翻轉進行擴充；

c)構建深度哈希CNN網絡架構：深度卷積神經網絡包含卷積層、全連接層、哈希層、損失層，卷積層用來聚合圖像全局和局部特征，哈希層將聚合之后的圖像特征映射為指定的32Bit到128Bit長度的哈希碼；

d)損失函數(shù)及其優(yōu)化：損失函數(shù)選用基于柯西分布的Cross-entropy損失函數(shù)以及量化損失函數(shù)，通過Momentum梯度下降法進行參數(shù)尋優(yōu)以最小化損失函數(shù)，使網絡性能最佳；

e)模型應用：在模型應用上，對于輸入圖片，先對其進行鏡像變換、轉置變換、水平翻轉、垂直翻轉，對各自變換后的圖像進行預測，平均預測結果作為最終的預測類別；

S3，在哈希碼數(shù)據(jù)庫中對查詢圖片進行圖像檢索。

2.根據(jù)權利要求1所述的基于深度學習的壓縮域大規(guī)模圖像檢索方法，其特征在于，所述圖像壓縮網絡包含多個殘差塊和池化層和一個量化層，壓縮網絡將圖像壓縮成壓縮編碼。

3.根據(jù)權利要求1所述的基于深度學習的壓縮域大規(guī)模圖像檢索方法，其特征在于，d)中的量化損失函數(shù)，用于減少激活層得到的連續(xù)值與所有位為1的哈希碼之間的漢明距離

4.根據(jù)權利要求1所述的基于深度學習的壓縮域大規(guī)模圖像檢索方法，其特征在于，S3進一步包括：

a)深度卷積深度神經網絡模型使用：使用哈希CNN網絡應用于所有壓縮圖像并將得到的哈希碼存于數(shù)據(jù)庫中；

b)哈希查找：使用壓縮CNN網絡應用于查詢圖片得到壓縮圖像，緊接著使用哈希CNN網絡得到哈希碼，計算該哈希碼和數(shù)據(jù)庫中所有哈希碼之間的漢明距離，得到漢明距離向量，將漢明距離向量中的距離數(shù)值按照從小到大的順序進行排序，按照順序輸出相應的原始圖像，得出檢索結果。