基于深度二值细节感知哈希的可视媒体检索方法技术

本发明专利技术提供了一种基于深度二值细节感知哈希的可视媒体检索方法，包括以下步骤：(1)原始数据特征提取：使用修改的深度网络提取图像区域的二值语义特征；(2)哈希学习：利用图像之间的相似度关系、同一图像不同相互重叠区域的相似度关系，构建目标函数，联合优化得到二值细节感知哈希。与现有技术相比，本发明专利技术得到了融合更多信息的哈希码，与现有哈希学习仅从整幅图像得到哈希码或在特征空间中融合细节信息的方法相比，本发明专利技术的方法充分利用了图像的局部细节信息和哈希检索任务的特点，提高了哈希检索的精度。

Visual media retrieval method based on depth binary detail aware hash

【技术实现步骤摘要】
基于深度二值细节感知哈希的可视媒体检索方法
本专利技术涉及一种基于深度二值细节感知哈希的可视媒体检索方法，属于多媒体信号处理、大数据检索

技术介绍
随着近年来大数据的爆炸性增长，大量内容近似或重复的图像和视频等可视媒体充斥网络。对于互联网的内容提供商来说，过滤重复、近似内容，或对搜索到的相似内容进行重新排序，让用户从海量数据中快速检测到对自己有用或喜欢的可视媒体内容非常必要。同时，根据用户搜索或观看的可视媒体内容进行个性化推荐，也是互联网企业的重要任务。另外，可视媒体的广泛传播在丰富人们文化娱乐生活的同时，也为暴力恐怖、淫秽色情、谣言等有害信息的传播提供了便利，这些有害图像和视频极大地危害了社会稳定和政府公信力，淫秽图片或视频更是影响青少年的身心健康，因此，对此类有害可视媒体内容的检测和过滤也十分必要。在众多近邻搜索(NearestNeighbor,NN)算法中，近似最近邻(ApproximateNearestNeighbor,ANN)搜索凭借着其在实际应用中的高效性吸引了大量的关注。而哈希方法是一类广泛研究的近似最近邻搜索算本文档来自技高网...

【技术保护点】
1.一种基于深度二值细节感知哈希的可视媒体检索方法，其特征在于该方法包括以下步骤：/n(1)原始数据特征提取：使用深度网络进行图像的特征提取，具体方法为：/n①选择深度网络模型，将网络中的全连接层替换成相应的卷积层，根据所选择的图像区域的数量，确定输入网络的图像在预处理时进行缩放的大小，该步骤无需使用滑动窗口切割原始图像后再将图像区域输入网络得到区域的特征，而是以直接修改网络结构的方式实现了图像区域的划分；/n②从网络输出的结果中得到对应于原始图像各个区域的哈希码，将这些哈希码进行平均融合，得到的即为原始图像的哈希码；/n(2)构造哈希学习模型，具体方法为；/n①建立基于成对图像相似度的损失函...

【技术特征摘要】
1.一种基于深度二值细节感知哈希的可视媒体检索方法，其特征在于该方法包括以下步骤：
(1)原始数据特征提取：使用深度网络进行图像的特征提取，具体方法为：
①选择深度网络模型，将网络中的全连接层替换成相应的卷积层，根据所选择的图像区域的数量，确定输入网络的图像在预处理时进行缩放的大小，该步骤无需使用滑动窗口切割原始图像后再将图像区域输入网络得到区域的特征，而是以直接修改网络结构的方式实现了图像区域的划分；
②从网络输出的结果中得到对应于原始图像各个区域的哈希码，将这些哈希码进行平均融合，得到的即为原始图像的哈希码；
(2)构造哈希学习模型，具体方法为；
①建立基于成对图像相似度的损失函数项，即根据两个图像之间的相似度与其相应哈希码之间的相似度的一致性来设计，进而使得最终的图像哈希码能够保留原始图像之间的相似关系；
②建立基于同一图像或视频的不同相互重叠区域之间关系的损失函数项，即使得来自同一图像不同区域的哈希码...

【专利技术属性】
技术研发人员：聂秀山，尹义龙，周权，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37