[发明专利]一种基于深度哈希的多标签图像检索方法

权利要求书

1.一种基于深度哈希的多标签图像检索方法，其特征在于所述方法包括：

(1)使用残差网络加哈希损失层构建基于深度哈希的多标签图像检索模型，采用50层残差网络的前49层来提取多标签图像的高维语义特征，将残差网络最后的分类层替换为哈希损失层，对获取的高维语义特征进行降维；

(2)将经过数据预处理的多标签图像训练集输入所述多标签图像检索模型，使用多标签图像标签向量的余弦距离来衡量多标签图像之间的相似性，使用加权交叉熵损失和最小均方误差损失来构造一个损失函数以此保留成对多标签图像的相似性排序信息，使用量化损失函数来控制模型输出的哈希编码质量；然后将上述三组损失函数构成联合损失函数对构建好的模型进行训练，并生成HDF5格式的模型文件。

2.根据权利要求1所述的方法，还包括如下步骤：

(1)给定多标签图像训练数据集；

(2)搭建基于深度学习Keras框架的软件环境，为后续网络模型的训练做准备；

(3)对输入的多标签图像训练数据集进行数据预处理，处理成图像与标签一一对应的形式；

(4)使用训练好的多标签图像检索模型对多标签图像库中图像进行哈希编码，将得到多标签图像的哈希编码存入哈希表，建立起多标签图像库的索引库；

(5)从多标签图像查询数据集中获取图片作为查询图像，调用训练好的深度哈希模型来得到查询图像的哈希编码，计算输入图像与多标签图像数据库中图像的相似度，使用平均检索精度来评估模型的泛化能力。