图像内容检索的深度学习方法研究

摘要

网络的发展进步使图像来源渠道越来越广泛，利用文本搜索图像已经满足不了人们快速浏览、搜索、查询图像的需求。研究图像内容检索系统，就是在图像库中，根据用户需求自动寻找相似内容的图像的过程，并将结果快速反馈给用户。传统的图像内容检索方法大多是基于图像的纹理、形状、颜色等简单特征，需要人为指定图像特征检索条件，存在条件单一，检索范围有限等缺点。如何有效提取特征，如何综合利用特征数据实现图像检索是图像内容检索的关键点。 本文采用的是一种基于深度神经网络结构的图像检索方法。深度学习神经网络模拟了生物神经系统，在图像检索等方面有良好的检索效果。利用深度神经网络的多隐层结构，自主学习图像数据结构特征，自动对图片进行分类、检索。实验运用深度置信网络训练人脸图片数据样本，融合局部二值模式以提取稳定特征，采用无监督贪婪训练的方法，逐层训练限制玻尔兹曼机，将训练得到的权重、偏置等参数用于对测试样本进行预测，计算出代价函数，并通过误差反向传播进行微调。 由于深度神经网络训练对样本数据需求量庞大，因此，本文融合局部纹理特征作为深度置信网络输入特征，有助于深度置信网络对图像特征分布的深层理解，提取特征参数，降低网络学习到不利特征的概率。利用ORL人脸数据库，并添加随机采样的人脸数据进行识别，讨论了迭代次数与检索结果的关系。作为对比实验，研究浅层神经网络BP学习算法进行人脸检索，通过实验结果表明，BP网络的识别率略低于深度网络，采用深度学习进行人脸图像的检索正确率是令人满意的。

目录

第一个书签之前