一种基于深度学习的全卷积网络的哈希检索方法

摘要

本发明公开了一种基于深度学习的全卷积网络的哈希检索方法，特点是首先从待检索图像数据所在的原始图像数据集中选取训练数据集，定义待训练的哈希模型，将训练数据集随机打乱后输入待训练的哈希模型，根据输出结果与对应的原始标签信息修正模型参数，最终得到训练后的哈希模型，再用训练后的哈希模型分别对原始图像数据集及待检索图像数据进行哈希编码，最后对待检索图像数据进行哈希检索；优点是利用哈希编码重构原始标签信息，使得待训练的哈希模型在学习二进制编码的同时，能更加精细地利用标签信息，其中损失函数用于减少实值哈希编码与二进制编码的损失，从而提高检索效率和准确性。