一种基于深度学习的织物图像检索方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的织物图像检索方法及装置，通过构建织物图像特征提取网络模型，所述织物图像特征提取网络模型包括去除分类器层的DenseNet骨干网络层、平均池化层、第一哈希层和第二哈希层，来提取织物图像的图片特征，进行检索。本发明专利技术构造两个哈希层，既充分利用了标签信息，又使得分类中心不受哈希码长度的限制，同时通过使用较短的哈希码，解决了织物检索过程中速度慢的问题，从而实现了丝绸织物图像在真实场景中省时省力又准确的有效检索。的有效检索。的有效检索。

【技术实现步骤摘要】
一种基于深度学习的织物图像检索方法及装置


[0001]本申请属于图像检索
，尤其涉及一种基于深度学习的织物图像检索方法及装置。

技术介绍

[0002]中国是一个纺织生产大国，丝绸织物从古代起就开始出口到国外，随着不断发展，纺织工业在制作技艺上已取得了很大的进步，但在丝绸织物的检索上仍然存在需要解决的问题。当工厂从消费者那里获取样品进行仿制时，需要人工分析样品并在仓库中搜索相同或相似的现有织物，然后获得指导以供生产。此方法非常耗时，费力，并且容易产生失误，效率低下而精度不高。
[0003]目前织物检索采用基于文本的图像检索(TBIR)来实现，需要借助手动注释文本关键字，该方法非常耗时，乏味且主观。也有采用基于内容的图像检索(CBIR)方法，CBIR的方法主要是基于纹理、颜色和形状，在一定程度上克服了TBIR的缺点。CBIR的方法通常涉及两个关键组成部分：(1)设计用于表示图像的特征提取算法；(2)选择合适的相似度计算方法。传统的特征提取方法通常使用手工制作的图像描述，例如等利用SIFT、GIST对花边和刺绣织物提取特征并检索，这种方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的织物图像检索方法，其特征在于，所述基于深度学习的织物图像检索方法，包括：构建织物图像特征提取网络模型，所述织物图像特征提取网络模型包括去除分类器层的DenseNet骨干网络层、平均池化层、第一哈希层和第二哈希层；准备训练样本，对织物图像特征提取网络模型进行训练，得到训练好的织物图像特征提取网络模型；在织物图像检索时，将所检索的织物图像输入到训练好的织物图像特征提取网络模型，得到所检索的织物图像对应的图片特征，与检索数据库织物图像图片特征进行汉明距离的相似度匹配，得到最相似的检索数据库织物图像作为检索结果进行展示。2.根据权利要求1所述的基于深度学习的织物图像检索方法，其特征在于，所述织物图像特征提取网络模型的损失函数为：L
f
＝L+αQ+βL0其中，L
f
表示织物图像特征提取网络模型的损失函数，α、β是损失的权重参数，L0是第一哈希层的损失，L和Q是第二哈希层的损失；其中：其中：其中：其中，N为训练样本的批量，c
i
表示第一哈希层输出特征，m
i
属于[M
K
，
‑
M
K
]，M
K
为哈达玛矩阵，m
i
表示c
i
对应于[M
K
，
‑
M
K
]中的标签信息，K为输出特征的维度；w
ij
是权重系数，s
ij
表示图像对x...

【专利技术属性】
技术研发人员：何杰，桂江生，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：