一种基于深度神经网络的鲁棒跨域图像检索方法技术

本发明专利技术公开了一种基于深度神经网络的鲁棒跨域图像检索方法，包括以下步骤：S1、对图像数据集进行预处理，得到处理后的训练数据集和测试数据集；S2、构建深度神经网络模型；S3、输入查询领域和目标领域的噪声标签训练数据对深度神经网络模型进行训练，得到训练完成的神经网络模型；S4、通过训练完的神经网络模型中的特征提取器来提取测试数据集中查询领域图像特征和目标领域图像特征；S5、计算查询域测试图像特征和目标域图像测试特征之间的距离，将距离按升序排列，取距离最小的若干个特征，从而实现查询图像的检索。本发明专利技术解决了现有的跨域图像检索方法没有考虑到训练数据集中存在噪声标签的情况，难以在噪声标签数据集的干扰下实现深度神经网络模型的训练，无法准确地提取出查询领域图像的特征，从而导致检索性能严重下降的问题。

【技术实现步骤摘要】

本专利技术涉及跨域图像检索技术，具体涉及一种基于深度神经网络模型的鲁棒跨域图像检索方法。

技术介绍

1、随着互联网的发展以及智能手机等设备的普及，大量的数字图像被不断地产生和存储，用户对于图像信息的需求也在不断增加。人们希望能够从海量的图像数据中快速准确地找到自己感兴趣的图像内容，这促使了图片检索技术的发展。近年来，深度学习技术在图像处理领域取得了巨大的成功，尤其是在图像特征的提取方面，深度学习模型能够学习到图像数据中的高层次特征表示，提高了图片检索技术的性能。

2、由于图像应用场景的不断多样化，不同领域的图像数据得到了大量的积累，比如自然场景图像，医学影像，卫星图像等，这些不同领域的图像数据具有不同的特征和语义信息。在实际应用中，用户可能需要从一个领域的图像库中检索出与另一个领域相关的图像，因此需要跨域图片检索技术来实现不同领域之间的图像检索。

3、近年来，跨域图像检索技术逐渐成为了研究热点，现如今的跨域图像检索技术在高质量标注(即，所有的样本和样本标签是完全匹配的)的数据集支持下有着优秀的检索表现，但是高质量标注的数据集制作和收本文档来自技高网...

【技术保护点】

1.一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤S3包括以下分步骤：

3.根据权利要求2所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤S32包括以下分步骤：

4.根据权利要求2所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤S33包括以下分步骤：

5.根据权利要求2所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤S34包括以下分步骤：>

6.根据权利...

【技术特征摘要】

1.一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤s3包括以下分步骤：

3.根据权利要求2所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤s32包括以下分步骤：

4.根据权利要求2所述的一种基于深度神经网络的鲁棒跨域图像检索方法，其特征在于，所述步骤s33包括以下分步骤：

5.根据权利...

【专利技术属性】
技术研发人员：王旭，尹子牛，孙元，秦阳，彭德中，
申请(专利权)人：四川大学，
类型：发明
国别省市：