基于迁移学习的快速图像检索算法

摘要

针对传统图像检索算法检索多模态图像的结果不理想和排序不合理的问题,提出一种基于迁移学习的快速图像检索算法,通过构建迁移学习特征来提高查准率,并采用类别预测来缩小检索范围以及对多融合特征进行哈希编码,从而有效地提高算法的效率并采用自适应的多特征权重系数来动态优化检索图像结果集的重排序,以提升用户体验。在以Wiki为基础的多模态图像集上的实验结果显示,与传统SIFT算法相比,基于迁移学习的快速图像检索算法的查准率和检索效率都有明显提高,同时检索的图像排序更加合理。