图像检索
图像检索的相关文献在1987年到2023年内共计4431篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、科学、科学研究
等领域,其中期刊论文2295篇、会议论文240篇、专利文献299086篇;相关期刊656种,包括中国图象图形学报、电脑知识与技术、计算机工程等;
相关会议184种,包括第十六届全国图象图形学学术会议 暨第六届立体图象技术学术研讨会、2009全国博士生学术会议——计算机视觉与人工智能、第三届全国信息检索与内容安全学术会议等;图像检索的相关文献由7640位作者贡献,包括王向阳、刘广海、焦李成等。
图像检索—发文量
专利文献>
论文:299086篇
占比:99.16%
总计:301621篇
图像检索
-研究学者
- 王向阳
- 刘广海
- 焦李成
- 王斌
- 刘萍萍
- 杨杰
- 孙君顶
- 杨红颖
- 周利华
- 廖开阳
- 张宁
- 郭雷
- 刘颖
- 马晶晶
- 张涛
- 牛盼盼
- 赵宏伟
- 郭卉
- 彭进业
- 耿国华
- 李洁
- 杨育彬
- 王爽
- 郑元林
- 高新波
- 冯林
- 孙劲光
- 孙晓明
- 张玥杰
- 张菁
- 强保华
- 曹从军
- 曾智勇
- 李波
- 王成儒
- 苗壮
- 马文萍
- 刘野
- 周明全
- 广池敦
- 张新鹏
- 张艳
- 李峰
- 王振
- 王磊
- 王鑫
- 白琮
- 冯良炳
- 刘伟
- 刘军
-
-
李奇真;
周圆;
李绰;
彭一南;
梁先明
-
-
摘要:
基于草图的跨域图像检索任务以手绘草图为输入,从彩色图像数据库中检索得到最相似的图像.为了在基于草图的图像检索任务中,更好地融合来自草图和彩色图像的特征,本文提出了用于草图检索任务的混合跨域神经网络,由草图特征提取分支与异构特征融合的彩色图像网络分支组成.该网络提取获得手绘草图、正负样本彩色图像及其边缘轮廓的特征表示,并将彩色图像及其草图近似图(即彩色图像的边缘轮廓)进行特征融合,作为彩色图像特征,弥补了手绘草图与彩色图像直接匹配的跨域差距.通过对网络模型的参数与网络结构等方面探索,进一步优化草图检索算法.在Flickr15K草图检索数据集上的实验结果表明,本文提出的方法优于当前其他先进的草图检索算法,在检索平均精确度这个客观指标上达到了0.5848,相比其他方法中指标最优的值提升了0.0522.
-
-
谷迁;
袁理;
杨亚莉;
刘军平
-
-
摘要:
为提高色纺织物图像检索系统的有效性与执行效率,建立了融合高级语义特征的色纺织物图像检索系统。该系统利用深度卷积神经网络对色纺织物图像的风格等高级语义特征进行提取,并融合图像的局部二值模式与方向梯度直方图等浅层纹理特征构建层次化检索系统。与此同时,采用二进制哈希编码对提取的高维特征向量进行降维。采用该系统对具有9种不同纹理风格的色纺织物样本图像进行检索,结果表明,该系统的Top-10查全率与平均准确率分别达到了97.37%和87.54%,具有理想的有效性与鲁棒性;相较于直接利用高级语义特征进行检索,提出的检索方法执行效率提升约750倍。
-
-
苟光磊;
朱东旭;
杨雨
-
-
摘要:
针对卷积神经网络(CNN)全连接层得到的是图像类别的全局语义信息,无法有效抑制背景噪声以及表示图像局部的细节信息,导致细粒度图像检索任务中负样本靠前的问题,提出了一种选择性加权来聚合卷积特征并利用k相互最近邻(k-reciprocal nearest neighbor,k-RNN)重排的图像检索方法。该方法主要是通过提取并筛选CNN最后一层特征来聚合形成单维全局特征向量,再引入k相互最近邻算法对检索出的结果进行重排。在细粒度基准数据集CUB-200-2011、室内场景数据集Indoor和普通类别数据集Caltech-101进行验证评估。实验结果表明该方法能够有效改善检索出负样本靠前的问题,相比SCDA方法,该方法检索精度及召回率有显著提升。
-
-
刘萌;
周迪;
田传发;
齐孟津;
聂秀山
-
-
摘要:
针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。
-
-
许柏祥;
刘丽;
邱桃荣
-
-
摘要:
针对传统近重复文本图像检索方法需人工事先确定近重复文本图像之间存在的变换类型,易受到人主观性影响这一问题,提出一个面向近重复文本图像检索的三分支孪生网络,能自动学习图像之间存在的各种变换。该网络输入为三元组,包括查询图像、查询图像的近重复图像以及其非近重复图像,训练时采用三元损失使得查询图像和近重复图像之间的距离小于查询图像与非近重复图像之间的距离。提出的方法在两个数据集上的mAP(mean average precision)分别达到98.76%和96.50%,优于目前已有方法。
-
-
王华秋;
刘倩
-
-
摘要:
为了克服当前基于内容的相关反馈图像检索系统检索性能低、未能深入探索特征空间、参数复杂等问题,提出一种基于深度学习和集成多尺度量子谐振子优化算法与支持向量机算法的相关反馈图像检索算法(MQHOASVM-RF)。使用卷积神经网络迁移学习提取更深层次图像特征,利用奇异值分解实现主成分分析,对高维特征进行降维,通过用户与系统不断交互捕获反馈信息。多尺度量子谐振子优化算法能指导特征点更快地向理想查询点靠近,探索更多潜在相关区域,对特征空间进行有效搜索。采用间隔带TopK排序方式,结合反馈信息筛选合理训练集以指导支持向量机学习,训练出可以将相关图像和不相关图像最大程度分离的超平面。通过实验证明:所提算法相较其他算法需设置的参数更少,具有更高的检索精度、更高的检索效率、更强的鲁棒性。
-
-
阮一鸣;
杨建斌
-
-
摘要:
针对分布数据缺失情形下的最优传输问题,给出其基本理论以及优化模型,同时考虑到模型的较大稀疏性,基于熵正则化思想提出了一种数据缺失情形下的最优传输的熵正则化算法,最后将其应用于运输问题和图像检索领域,并给出相应的实例,验证了本文算法及其对提出问题的有效性.
-
-
朴林
-
-
摘要:
传统的SIFT向量图像检索法精度偏低、实用性较差,无法满足使用者的心理需求,为此提出一种基于尺寸不变特征转换向量的图像检索精度优化方法。采用倒排文件的图像检索方式,通过改良建树方法、检索方式和匹配度计算的优化,在满足实时性要求的前提下实现检索精度的提高;为SIFT特征向量构建新的聚类机制,以K均值聚类与分类相结合的方式对传统K均值聚类法进行改进,检索过程中利用得到的欧氏距离信息统一处理SIFT向量,进而简化向量间距的计算过程;基于改进单位化的处理方式有效控制大数据所引起的误差。测试结果表明,所提出的算法强化了树模型中节点的差异性,有效解决了按数量均分训练集数据而不是根据距离分配以及直接设定vocabulary tree层数的问题,大幅提高了检索的效率和精度。
-
-
刘瑞昊;
于振中;
孙强
-
-
摘要:
为了提高纺织行业的织物管理效率,解决织物检索耗时久、检索精度低等问题,使用改进的深度学习网络LResNet50E⁃IR得到织物图像的特征表示,利用faiss索引进行特征相似度匹配后,排序输出检索的结果。同时,提出分级检索策略,根据不同类别的织物特点先分类,再通过改进的神经网络训练得到相应检索模型,最后查询未入数据库的织物图像,来验证检索的效果。试验结果表明:本系统检索的top10 mAP高达99.22%,检索速度快。认为:该织物图像检索方法可以满足准确性与高效性的要求。
-
-
郭丽珍
-
-
摘要:
在K-means算法基础上,结合主颜色直方图检索只考虑图像颜色信息,分块法只描述图像空间信息,本文提出了一种将图像等面积分块法。实验证明提高了查准性和查全率。最后实验演示出基于颜色和纹理特征的三种检索效果图。
-
-
Wenxin Yin;
尹文昕;
Yue Zhang;
张跃;
Xian Sun;
孙显;
Kun Fu;
付琨
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
近年来,随着海量高分辨率遥感图像快速积累,亟需高效的遥感图像检索系统.为提升遥感图像检索的性能,本文对基于深度特征的高分辨率遥感图像检索展开研究,提出了一种基于深度融合特征的遥感图像检索方法.首先,基于当前复杂遥感场景下单一特征表示能力不足的问题,提出了一种基于深度网络的遥感图像特征均值-最大池化加权融合的方法.其次,基于该融合方法,构建了一套完整的遥感图像检索的系统框架.该系统框架结合了数据集特征增强、查询扩展等检索方法,进一步提升了遥感图像检索性能.最后,为了训练有效的深度网络,基于当今遥感图像检索数据集数量比较稀缺、常见数据集体量较小且场景较单一的现状,本文构建了一个场景丰富、体量较大的高分辨率遥感图像数据集.实验表明,该方法能够有效地提升深度特征在遥感图像中的检索效果.
-
-
-
-
-
- 《CCF2016-2017中国计算机科学技术发展报告会》
| 2017年
-
摘要:
基于内容的图像检索方法利用从图像中提取的特征进行检索,常用的图像特征主要有颜色、纹理和形状,包括局部特征和全局特征.SIFT特征不易受平移、旋转、伸缩、视点变化及杂乱场景等因素的影响,而且提取速度快,在理论与实际生产中被广泛使用.对SIFF进行编码的方法主要有BOF、VLAD、FV和TE等方法,这些编码方法通常由"嵌入"和"聚集"两步组成.但是SIFT存在缺乏空间几何信息和颜色信息,高层语义的表达不够等问题,为了丰富描述符的信息,通常将SIFT与其他特征进行融合.融合方式主要包括:串连、核融合、图融合、Index-level融合和Score-level融合.卷积神经网络(Convolutional Neural Network,CNN)具有良好的跨域特性,从预训练的CNN提取的特征可以被广泛应用到各个领域的各种数据集.浅层特征的编码方法也可以用于对CNN特征的处理.CNN特征是通过learning得到的,具有层次性,可以通过CNN得到高层语义的信息.然而,与SIFT相比,CNN特征的通用性及几何不变性都不够强,依然是图像检索领域面临的挑战.本报告从浅层特征、深层特征和特征融合三个方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.
-
-
Chen Ying;
陈莹;
Guo Jiayu;
郭佳宇
- 《2017中国仿真大会》
| 2017年
-
摘要:
针对基于SIFT特征匹配的图像检索方法忽略空间位置信息的缺陷,提出了基于空间位置信息加权词汇树的图像检索方法.利用分层词汇树将图像SIFT特征量化为视觉单词,将图像匹配转换成视觉单词权值向量匹配.由于单纯的视觉单词权值向量匹配忽略了视觉单词之间的相互位置影响,生成SIFT点的空间位置影响信息,根据SIFT点与视觉单词之间的从属关系,将SIFT点的空间位置影响信息聚类为视觉单词之间的位置影响,将视觉单词的空间位置信息作为加权系数,加入到视觉单词的权值匹配中去,细化特征之间的匹配得分,通过相似度排序检索相似图像.实验结果表明,该算法能有效提高图像检索的精确度.
-
-
-
付宏;
李辉;
金学慧;
侯元元
- 《“科技情报助力全国科技创新中心建设”2017年度论坛》
| 2017年
-
摘要:
深度学习拓展了人工智能的领域范围,摧枯拉朽般地实现了各种任务,能极大地提升情报生产的效率.基于此,首先,本文以大量的案例系统地分析了深度学习在情报学领域4个主要方面的应用现状:一是语音识别、合成及机器翻译;二是图像检索、识别和分类;三是人脸识别;四是视频分类及行为识别.其次,从理论、建模、工程3个方面剖析了深度学习在情报学领域存在的问题.最后,对深度学习在上述4个方面应用的趋势进行了分析,并指出深度学习将在感知情报服务对象的动态需求、采集海量异构信息并进行分析与辅助判断方面,不断提高其准确率,为情报工作者做出对情报服务对象有价值的判断提供强有力的支撑.
-
-
Ding Ya-chen;
丁亚晨;
Wu Hang;
伍航;
Wang Yu-li;
王玉丽;
Li Feng;
李峰
- 《第17届中国系统仿真技术及其应用学术年会(17th CCSSTA 2016)》
| 2016年
-
摘要:
属性学习是一种底层特征抽取算法,丰富了底层特征的语义信息.提出了基于多示例框架的属性学习算法,可以准确地预测每个属性的所在区域;提出了基于区域聚类的示例合并算法,有效地减少了示例包中示例的个数,提高了算法效率,提升了属性分类器的性能;此外,还提出了含有语义群的多示例多标记学习框架,进而得到所有属性的分类器;最后,在原有数据库标记的基础上,采取人工标注的方式补充并修正了样本的属性标记,重新构建了属性数据库.在a-Pascal和a-Yahoo标准数据库上与其他基于属性学习的图像检索算法进行对比,验证了所提算法的有效性和可行性,更能满足用户的检索需求.
-