[发明专利]一种基于深度学习的快速图像检索方法有效
| 申请号： | 201810171374.8 | 申请日： | 2018-03-01 |
| 公开（公告）号： | CN108427738B | 公开（公告）日： | 2022-03-25 |
| 发明（设计）人： | 苏卓;原尉峰;周凡 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于深度学习的快速图像检索方法，其中，该方法包括：从图像数据库中随机生成两张图像作为网络的输入，一张作为查询图像，一张作为样本图像，其中每张图片都包括对应的类别标签；构建卷积神经网络，该网络包括三组卷积池化层和两组全连接层；利用训练样本集随机组合成数据对根据卷积网络进行训练，得到相应的哈希编码并计算两者之间的欧几里得距离；计算卷积网络输出值的误差函数，对卷积神经网络进行训练，利用反向传播算法和随机梯度下降法更新网络参数；获得训练数据集的二值编码后，对其按欧几里得距离从小到大排序，按顺序输出检索结果。在本发明实施例中，能够解决现有技术检索速度慢、占用内存空间大、检索结果不精确的问题，大大提高了图像检索的时空效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 快速 图像 检索 方法 | ||
【主权项】：
1.一种基于深度学习的快速图像检索方法，其特征在于，所述方法包括：从图像数据库中随机生成两张图像作为网络的输入(I1,I2),一张作为查询图像I1，一张作为样本图像I2，其中每张图片都包括对应的类别标签；构建卷积神经网络，该网络包括三组卷积池化层和两组全连接层；利用训练样本集随机组合成数据对(I1,I2)，根据卷积网络进行训练，得到相应的哈希编码H1、H2，并计算两者之间的欧几里得距离；计算卷积网络输出值的误差函数，对卷积神经网络进行训练，利用反向传播算法和随机梯度下降法更新网络参数；获取需要检索的图像，通过训练后的卷积神经网络，获得训练数据集的二值编码后，对其按欧几里得距离从小到大排序，按顺序输出检索结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810171374.8/，转载请声明来源钻瓜专利网。
