一种基于顶层权值的图像卷积特征的生成方法技术

本发明专利技术公开了一种基于顶层权值的图像卷积特征的生成方法，从互联网下载图片，构成图片训练集；训练卷积神经网络的模型；用训练好的卷积神经网络的模型分别提取图片的不同层的深度卷积特征；利用得到的深度卷积特征计算顶层的卷积权重图；用顶层的卷积权重图作用到从浅层到高层的卷积特征得到新的卷积特征；得到图片的增加了卷积全值的深度特征；通过对检索图片和被检索图片数据集分别提取顶层卷积权重的特征，求两者之间的相似距离，做最后的相似度匹配，得到最终的检索结果。与现有技术相比，本发明专利技术不仅适用于商品在中间区域，而是适用商品在任何位置，新的顶层权重特征相比于之前的高斯权重要更有效更准确，能够保证图片特征的鲁邦性和准确率。

【技术实现步骤摘要】

本专利技术涉及图像检索，视觉内容自动表达，尤其涉及一种自动获取图片内容的区域权重的方法。
技术介绍
在计算机视觉和多媒体领域中，特别是随着电商数字图片的急速增长，在当前的趋势下，无论是从学术界还是在工业界对于图片的检索任务都是一个非常重要和极具挑战性的任务。在计算机视觉领域，图片的更好表达是近几年研究的主要驱动力。当人们看到一个商品图片时，人们的注意力一般会落在商品所在的区域，通过相关技术可将图片所对应的位置特征加强，从而达到突出商品信息而弱化周边噪声的效果。这样得到的图片特征对于检索匹配会有很好的性能提升。例如用手机随便拍了一张别人穿着的衣服，这样有噪声的真实图片在电商的数据集中进行同款衣服的匹配时会遇到的主要技术难点是：真实图片的衣服可能会有物体扭曲，周边噪声点很多，图片质量差等问题；而电商的数据集中的同款图片一般是专业制作的商业图片。如果借用街拍图片作为检索图片，由于存在很大的视觉差异性，会很难匹配到同款的电商图片。在过去的几年中已经涌现出了各种各样的图像描述方法。特别是最近几年随着深度学习在计算机智能领域的异军突起，利用深度学习的网络特征进行图片的特征表示成为了一种主流方向本文档来自技高网...

【技术保护点】
一种基于顶层权值的图像卷积特征的生成方法，其特征在于，该方法包括以下步骤：步骤(1)、从互联网下载图片，并对每个图片进行描述，形成<图像，类别>对，构成图片训练集；图像表示为集合Nd是集合IMG中的图像总数；每个图像对应一个类别，类别表示为集合图像集合IMG以及每个图像对应的GroundTruth组成最终的数据集DataSet＝{IMG,GroundTruth}；步骤(2)、通过图片数据集按照图像分类任务训练卷积神经网络的模型，在ILSVRC数据集上训练模型，或者用下载好的ILSVRC数据集重新训练模型；步骤(3)、用训练好的卷积神经网络的模型分别提取图片的不同层的深度卷积特征：G...

【技术特征摘要】
1.一种基于顶层权值的图像卷积特征的生成方法，其特征在于，该方法包括以下步骤：步骤(1)、从互联网下载图片，并对每个图片进行描述，形成<图像，类别>对，构成图片训练集；图像表示...

【专利技术属性】
技术研发人员：赵士超，许有疆，韩亚洪，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12