[發明專利]基于深度特征一致哈希算法的圖像檢索方法

有效

• 申請號: 202110883325.9
• 申請日: 2021-08-03
• 公開（公告）號: CN113326390B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 曹媛;劉峻瑋;陶小旖;桂杰
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06F16/51
• 分類號: G06F16/51;G06F16/583;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島海昊知識產權事務所有限公司 37201
• 代理人: 劉艷青

1.一種基于深度特征一致哈希算法的圖像檢索方法，其特征在于，該方法包括以下步驟：

S1：獲取多標簽或者單標簽圖像數據，包括訓練集和測試集；

S2：預處理訓練集；

S3：利用S2預處理后的訓練集，對神經網絡進行優化；

S4：將訓練集輸入到S3優化后的神經網絡中得到哈希碼；

S5：計算S4得到的哈希碼與所述測試集得到哈希碼的漢明距離，并按從小到大的距離排序，輸出前k個檢索結果，k取值為正整數，完成檢索；

所述S3中的神經網絡優化具體包括：

S3-1：根據訓練集得到改進的語義相似度矩陣；

S3-2：將預處理后的訓練集輸入到神經網絡中；

S3-3：并根據S3-1得到的語義相似度矩陣設置目標函數對神經網絡進行訓練和優化，所述S3-3具體為：傳統的語義相似度矩陣的值只有1和0，給定所有圖像的哈希碼B={b₁,b₂,…b_n}和語義相似度矩陣s=s_ij，條件概率p（s_ij | B）表示為：

（2）

其中，是激活函數；內積表示漢明距離，，使用負對數似然作為損失函數：

（3）

使用公式（3）來計算具有強相似性的圖像的損失；對于弱相似的圖像，使用以下公式計算損失：

（4）

其中，b_i,b_j為圖像的哈希碼，b_i,b_j的范圍為[-q,q]，結合式（3）和式（4），用W_ij來標記這兩種情況，即W_ij=1表示這兩幅圖片是強相似的，W_ij=0表示這兩幅圖片是弱相似的；因此，目標函數可以寫為：

（5）

其中，γ是一個權重參數；

設定目標函數以減少損失，并鼓勵網絡輸入準確的二進位碼：

（6）

其中||·||₁是向量的L1范數，|·|是絕對值運算，u_i、u_j為松弛的近似哈希碼；

使用余弦距離來衡量配對特征的損失：

（7）

其中f_i、f_j為神經網絡fc7層的輸出特征向量；將式（7）與式（5）結合，得到如下目標函數：

（8）

結合數量損失和語義損失，最終目標函數如下：

（9）

其中，λ是控制量化損失的參數，u_i、u_j為松弛的近似哈希碼，f_i、f_j為神經網絡fc7層的輸出特征向量，S為語義相似度矩陣，s_ij為矩陣S中第i行第j列的元素，b_i,b_j為圖像的哈希碼，b_i,b_j的范圍為[-q,q]， ，W_ij用來標記強相似或弱相似，W_ij=1表示這兩幅圖片是強相似的，W_ij=0表示這兩幅圖片是弱相似的。

2.如權利要求1所述的基于深度特征一致哈希算法的圖像檢索方法，其特征在于，該方法還包括評估步驟S6：根據S5所得到的前k個檢索結果的標簽和測試集的標簽，計算mAP，完成評估。

3.如權利要求1所述的基于深度特征一致哈希算法的圖像檢索方法，其特征在于，所述S2中：所述預處理包括進行旋轉、翻轉和添加噪聲操作中的一種或者幾種。