【技术实现步骤摘要】
本申请属于图像检索，具体涉及一种基于目标引导哈希网络的多粒度无监督图像检索方法。
技术介绍
1、图像检索是计算机视觉领域的重要任务。随着互联网、社交媒体、移动设备等的普及发展，图像数据的规模正在迅速扩大。数据量的飞速增长大大增加了计算的复杂度，给图像检索任务带来了新的挑战。近似最近邻搜索(anns)作为一种在大数据集上快速查找最相似数据点的方法，被广泛应用在大规模图像检索领域。哈希作为anns算法的一种，通过将高维的图像数据映射为低维的二进制哈希码，而有效地解决了传统图像检索方法中存在的“维度灾难”问题，利用汉明距离的度量方式缩短了检索时间，提高了检索效率，成为目前图像检索领域的一大研究热点。
2、哈希学习的重点在于将输入数据映射为哈希码，使低维的哈希码尽可能的保留原始数据间的相似关系。传统哈希算法大多利用手工提取的特征作为输入，往往容易受到主观因素的影响，随着深度学习的出现及其所表现出的强大学习能力，将哈希算法与深度神经网络相结合的深度哈希算法俨然成为研究的主流。深度哈希算法在提高了检索精度的同时也增强了模型的泛化性和鲁棒
3本文档来自技高网...
【技术保护点】
1.一种基于目标引导哈希网络的多粒度无监督图像检索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像检索方法，其特征在于，所述待训练图像的获取步骤中，选取数据集，采用其中的N个图像作为待训练图像，N为大于0的正整数；
3.根据权利要求2所述的图像检索方法，其特征在于，所述多粒度包括自身重建损失Lr，成对相似性保持损失Lp，对比损失Lcon，哈希中心相似度损失LC，以及量化损失Lq。
4.根据权利要求3所述的图像检索方法，其特征在于，所述目标损失函数的获得步骤包括所述自身重建损失Lr的计算，所述成对相似性保持损失Lp的计算...
【技术特征摘要】
1.一种基于目标引导哈希网络的多粒度无监督图像检索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像检索方法，其特征在于，所述待训练图像的获取步骤中，选取数据集，采用其中的n个图像作为待训练图像，n为大于0的正整数；
3.根据权利要求2所述的图像检索方法，其特征在于，所述多粒度包括自身重建损失lr，成对相似性保持损失lp，对比损失lcon，哈希中心相似度损失lc，以及量化损失lq。
4.根据权利要求3所述的图像检索方法，其特征在于，所述目标损失函数的获得步骤包括所述自身重建损失lr的计算，所述成对相似性保持损失lp的计算，所述对比损失lcon的计算，所述哈希中心相似度损失lc的计算，以及所述量化损失lq的计算；具体地：
5.根据权利要求4所述的图像检索方法，其特征在于，采用哈达玛矩阵得到哈希中心，然后采用多数投票策略得到最终哈希中心。
6.根据权利要求2-5中任一项所述的图像检索方法，其特征在于，还包括对所有待训练图像进行多轮训练的步骤，每轮包括所有待训练图像的多个批次；各轮之间的待训练图像的顺序不同；每轮的最后...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。