基于CNN和流行排序的圖像檢索算法
大?。?/span>0.78 MB 人氣： 2017-12-25 需要積分：1
針對基于內(nèi)容的圖像檢索（ CBIR）中低層視覺特征與用戶對圖像理解的高層語義不一致以及傳統(tǒng)的距離度量方式難以真實反映圖像之間相似程度等問題，提出了一種基于卷積神經(jīng)網(wǎng)絡（CNN）和流形排序的圖像檢索算法。首先，將圖像輸入CNN，通過多層神經(jīng)網(wǎng)絡對圖像的監(jiān)督學習，提取網(wǎng)絡中全連接層的圖像特征；其次，對圖像特征進行歸一化處理，然后用高效流形排序（EMR）算法對查詢圖像所返回的結(jié)果進行排序；最后，根據(jù)排序的結(jié)果返回最相似的圖像。在corel數(shù)據(jù)集上，深度圖像特征比基于場景描述的圖像特征的平均查準率（mAP）提高了53. 74%，流形排序比余弦距離度量方式的mAP提高了18. 34%。實驗結(jié)果表明，所提算法能夠有效地提高圖像檢索的準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于CNN和流行排序的圖像檢索算法下載
相關(guān)電子資料下載
- CNN的定義和優(yōu)勢 112
- 基于CNN的網(wǎng)絡入侵檢測系統(tǒng)設(shè)計 105
- 工廠智能視頻監(jiān)控系統(tǒng) CNN 52
- 如何在TensorFlow中構(gòu)建并訓練CNN模型 60
- 如何利用CNN實現(xiàn)圖像識別 75
- 卷積神經(jīng)網(wǎng)絡與循環(huán)神經(jīng)網(wǎng)絡的區(qū)別 99
- NLP模型中RNN與CNN的選擇 66
- 卷積神經(jīng)網(wǎng)絡中池化層的作用 67
- cnn卷積神經(jīng)網(wǎng)絡分類有哪些 106
- cnn卷積神經(jīng)網(wǎng)絡三大特點是什么 87