一种基于卷积神经网络深度特征的分级图像检索方法

摘要

本发明提供一种基于卷积神经网络深度特征的分级图像检索方法。基本原理是，首先，训练用于特征提取的卷积神经网络，确定网络参数；然后，利用训练好的卷积神经网络提取图像特征，可以得到多个卷积层二进制特征和一个全连接层二进制特征；其次，将多个卷积层二进制特征用于初筛检索阶段，进一步压缩后进行多特征相似度融合，筛选出候选图像集，减小检索范围；最后，利用全连接层二进制特征在候选图像集上进行精确检索，得到最终检索结果。基于公共图像检索数据集的实验结果表明，相比于现有的图像检索方法，本方法采用图像的表征方式更全面，特征压缩方法更简单高效，检索准确率较高，并且分级检索的方式分散系统计算量，有利于并行加速实现，具有实用价值。