基于深度卷積神經(jīng)網(wǎng)絡(luò)的語義圖像檢索研究.pdf

1、圖像檢索問題作為計(jì)算機(jī)視覺的一個(gè)基本問題，已經(jīng)有很多學(xué)者對(duì)它進(jìn)行過分析和研究。本世紀(jì)初，人們逐漸認(rèn)識(shí)到低級(jí)特征和高級(jí)語義特征之間固有的“語義鴻溝”，開始涉及基于語義的圖像檢索，但收效甚微。近年來，深度學(xué)習(xí)技術(shù)為飽受到傳統(tǒng)人工特征困擾的基于語義的圖像檢索問題打開了新的大門。相比較傳統(tǒng)方法，深度學(xué)習(xí)模型在挖掘深層次特征上有驚人的能力，更可能滿足圖像語義特征學(xué)習(xí)。但是，深度學(xué)習(xí)本身也處在一個(gè)快速發(fā)展的階段，并不是完全成熟的工具，在使用過程中需

2、要克服一些深度學(xué)習(xí)本身帶來的問題。例如，深度模型在實(shí)際訓(xùn)練中的參數(shù)優(yōu)化問題。同時(shí)我們?cè)撨x擇什么樣的深度模型來應(yīng)對(duì)基于語義的圖像檢索問題，是我們首先需要考慮的。
　　本文梳理了圖像檢索技術(shù)和深度學(xué)習(xí)技術(shù)的發(fā)展歷程。在此基礎(chǔ)上，提出了一種基于語義的圖像檢索框架。該框架中主要包含三部分：(1)特征提取網(wǎng)絡(luò)，在本文中稱為多層級(jí)的圖像語義特征提取網(wǎng)絡(luò)，框架通過該網(wǎng)絡(luò)提取語義特征；(2)特征存儲(chǔ)結(jié)構(gòu)，它將提取出來的特征降維并轉(zhuǎn)化成圖像語義距離

3、度量公式可以計(jì)算的格式；(3)圖像語義距離度量公式，框架最終通過它實(shí)現(xiàn)圖像語義距離的計(jì)算。
　　多層級(jí)的圖像語義特征提取網(wǎng)絡(luò)是該框架的核心，它的性能直接影響著整個(gè)框架的最終精度，該網(wǎng)絡(luò)能通過其層級(jí)結(jié)構(gòu)分次對(duì)圖像中的語義特征進(jìn)行提取，獨(dú)特的結(jié)構(gòu)設(shè)計(jì)使得它可以挖掘圖像中更深層的語義。特征存儲(chǔ)結(jié)構(gòu)將提取出來的圖像語義特征轉(zhuǎn)化成一種更低維更易計(jì)算的融合特征表，而圖像語義距離度量公式則將通過融合特征表計(jì)算圖像之間的語義距離，從而生成檢索結(jié)果