基于深度学习的相似图像搜索算法研究

摘要

近些年，随着互联网和多媒体技术的快速发展，数字产品的传播和存储也越来越便捷，尤其是数字视频和数字图像。据统计，平均每分钟大约有超过20个小时的视频上传到YouTube，大约100000张图片被上传到Facebook。如此大量的数据对传统的相似图像搜索算法来说是极大的挑战。目前使用较多的相似图像搜索算法主要是基于内容的相似图像搜索，但是这一类算法只能提取图像的低层次特征，比如颜色、纹理、形状等，对于图像的高层语义特征提取却十分困难。为了获得图像的高层语义特征，提高图像检索的准确性，本文主要做了以下研究工作:(1)通过对深度学习理论的研究，分析了深度学习算法在图像特征提取方面的有效性，并对将深度学习应用于相似图像搜索算法的可行性进行了分析。(2)本文设计了一种基于深度学习的相似图像搜索模型，对模型的实现步骤进行了详细的阐述，最后通过对深度学习模型的权重图像进行分析，证明了深度学习模型具有逐层抽象，逐层稀疏的特点。从而可以获得图像的高层语义特征，增强图像的特征表示能力。(3)本文提出了一种基于深度学习模型的相似图像搜索算法，并通过二值图像检索实验证明了本文算法与传统的图像搜索算法相比，具有更好的查准率和查全率。

目录

声明

摘要

第1章 绪论

1．1 课题背景与研究意义

1．2 国内外研究现状

1．2．1 图像检索技术的研究现状

1．2．2 深度学习的发展及其在图像特征分析中的应用

1．2．3 目前比较著名的图像搜索系统

1．3 主要工作内容

1．4 各章节组织安排

第2章 深度学习理论

2．1 引言

2．2 深度学习简介

2．3 深度学习模型

2．3．1 自动编码器

2．3．2 限制玻尔兹曼机

2．3．3 深度置信网

2．4 本章小结

第3章 基于深度学习的相似图像搜索模型研究

3．1 引言

3．2 深度学习相似图像搜索模型设计

3．3 深度学习相似图像搜索模型实现

3．3．1 层数选取

3．3．2 节点数选取

3．3．3 Softmax分类器

3．3．4 初始参数设置

3．4 模型有效性实验与分析

3．4．1 实验环境与参数设置

3．4．2 实验性能分析

3．5 本章小结

第4章 基于深度学习的相似图像搜索算法研究

4．1 引言

4．2 基于深度学习的相似图像搜索算法

4．2．1 算法基本框架

4．2．2 算法基本步骤

4．3 基于深度学习的相似图像搜索算法实现

4．3．1 图像预处理

4．3．2 模型训练

4．3．3 图像查询

4．4 实验设计与性能分析

4．4．1 实验环境和图像库

4．4．2 评价指标

4．4．3 区分性能实验分析

4．4．4 算法实验性能分析

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间发表的学术论文及其他成果

致谢