基于卷積神經(jīng)網(wǎng)絡的圖像檢索

摘 要：最近鄰搜索是一種有效策略的大規(guī)模圖像檢索，由卷積神經(jīng)網(wǎng)絡（CNN）的最新研究啟發(fā)，我們提出了一個有效的深度學習框架生成哈希碼的方法。當數(shù)據(jù)標簽是可用的，hash碼可以利用標簽通過采用一個隱藏層代表的潛在概念學到的。實驗結(jié)果表明，對數(shù)據(jù)集Cifar10，我們的方法優(yōu)于其它幾種哈希算法。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡；哈希碼；圖像檢索

基金號：中央高?；究蒲袠I(yè)務費專項資金資助（supported by “the Fundamental Research Funds for the central universities）（2016-zy-065）

1 前言

近年來，每一天數(shù)十萬張圖片被上傳到互聯(lián)網(wǎng)上，根據(jù)不同用戶的要求尋找相關(guān)圖片非常困難。例如，基于內(nèi)容的圖像檢索類似于一個給定的查詢圖像找出相似的圖像?！跋嗨啤笨梢灾敢曈X上相似或語義上相似的。假設(shè)在數(shù)據(jù)庫中的圖像和查詢圖像表示成特征， 尋找相關(guān)圖片最簡單的方法就是數(shù)據(jù)庫中的圖像按照距離在特征空間的排序，并返回最接近的圖片。然而，對于一個數(shù)據(jù)庫，數(shù)以百萬計的圖像，這是現(xiàn)在相當普遍，即使是通過一個線性搜索將花費大量的時間和內(nèi)存。

2 基于卷積神經(jīng)網(wǎng)絡的圖像檢索的原理

本文的目標是學習圖像的緊湊的二進制代碼，特點如下：（a）在漢明空間，相似的圖像應該被編碼到相似的二進制碼，反之亦然；（b）二進制代碼可以計算高效。雖然許多散列方法已被提出，以獲得相似性保存的二進制代碼，他們遭受的限制，無論是手工制作的功能或線性映射。最近的CNN由于其強大的非線性模型功能成功完成了各種各樣計算機視覺領(lǐng)域的任務。為此，本文使用了卷積神經(jīng)網(wǎng)絡學習圖像的特征表示和緊湊的二進制代碼的同時，可以打破雙方的手工特征和線性模型的局限性。如圖1所示。

本文使用如圖一的網(wǎng)絡結(jié)構(gòu)。該網(wǎng)絡由3個卷積層和2個完全連接的層。在濾波器卷積層分別為32，32和64個大小5×5濾波器，和最大池化采用是3×3與步長為2。完全連接的第一層包含512個節(jié)點，第二輸出層有K（長度）節(jié)點。

?是RGB空間，本文的目標是學習一個映射從?到k位的二進制碼：F：?→{ 1，1 }K，這樣

相似的（無論是在視覺上類似的或語義上類似的）圖像被編碼到相似的二進制代碼。為了這個目的，相似的圖像的二進制碼應該是盡可能的相似，而不同的圖像的二進制碼在較遠的距離。則損失函數(shù)是設(shè)計學習的相似性保持二進制碼和利用分類的目標函數(shù)。然后通過對圖像的網(wǎng)絡輸出得到的二進制碼。

3 實驗和結(jié)果分析

為了驗證本文方法的有效性，故本文采用數(shù)據(jù)集Cifar-10，該數(shù)據(jù)集包含6萬張大小是32×32彩色圖像，共有10類，每類6000張圖像。根據(jù)文獻[9]，我故隨機選取10000張查詢圖像，其中每類選擇1000張圖片和使用剩余的圖片作為訓練集。我們的方法比LSH，SH，ITQ，BRE， MLH， KSH的精度高，但是沒有文獻中方法的精度高，但相比較這些傳統(tǒng)方法，精度有明顯的提升。

圖顯示在不同的位數(shù)的漢明距離為2的圖像檢索結(jié)果；由上圖可以看出在漢明距離為2的情況下在不同的位數(shù)都是有提高的，在8位，16位，24位，32位提高的大概7%左右，但是位數(shù)越來越多時候，檢索精度越來越高了。

使用64位二進制碼獲得的精度。在64位時候，本文方法比KSH-CNN的方法無論在返回多少張圖片的情況下精度都高。雖然CNN的特征促進傳統(tǒng)方法的性能方法有明顯的差距，但我們的方法仍然優(yōu)于這些傳統(tǒng)的方法。

4 結(jié)論

在本文中，該方法有不錯的檢索性能，三個方面：第一、非線性特征的耦合學習和哈希提取指定任務圖像信息的編碼；第二，該化為減少了實數(shù)網(wǎng)絡之間的差異輸出；第三、使用單標簽來監(jiān)督，以及描述所需的漢明空間。在高效率實驗表明，該方法編碼的新的圖像比傳統(tǒng)的哈希的更快方法.由于我們目前的框架是比較普遍的，更復雜的網(wǎng)絡結(jié)構(gòu)也可以很容易地利用。此外，在這項工作中的“網(wǎng)絡集成”的初步研究已證明是一種很有前途的方式，是值得我們未來的調(diào)查，以進一步提高檢索性能。

參考文獻

[1]李向陽， 莊越挺， 潘云鶴. 基于內(nèi)容的圖像檢索技術(shù)與系統(tǒng)[J]. 計算機研究與發(fā)展， 2001， 38（03）：344-354.

[2]王濤， 胡事民， 孫家廣. 基于顏色-空間特征的圖像檢索[J]. 軟件學報， 2002， 13（10）：2031-2036.

[3]于淼， 朱瓊， 王國宇. 基于特征點匹配和哈希法的圖像檢索方法[J]. 網(wǎng)絡新媒體技術(shù)， 2006， 27（04）：397-400.

作者簡介

張杰（1992-），男，漢族，湖北省，武漢理工大學，碩士研究生，研究方向：統(tǒng)計學。