学海网

基于深度神经网络的图像检索应用研究，硕士学位论文，说明书共77页。
摘要：
随着网络技术的发展，如何快速地从海量的互联网图像中准确地找到需要的图像信息，已成为当下重要的研究课题。传统的基于内容的图像检索主要根据底层视觉特征进行检索。由于低阶层的可视化特征与高层的人类语义感知之间存在“语义鸿沟”问题，传统方法的效果不尽人意。研究发现，深度神经网络具有从数据中抽象出高层语义特征的能力，因此越来越多研究人员将深度神经网络应用到图像检索领域。然而，现阶段在图像检索中所运用的深度神经网络的网络结构、网络训练准则和特征提取方式等是基于图像分类的应用场景设计的，并不完全适用于图像检索领域。 针对图像检索中的“语义鸿沟”难题和特征匹配标准，本文以深度神经网络为基础，更改网络的训练准则，提出了以相似性度量为代价函数的三元组卷积神经网络，并提出从中提取未激活的多尺度集合特征，使学习所得的语义特征适用于图像检索。此外，创新式将多级网络结构应用于图像检索，提出基于三元组多级卷积神经网络的图像检索算法，以学习既具有全局化信息又具有局部化信息的语义特征。本文的主要工作如下： （1）更改网络训练准则。优化网络的代价函数，将相似性度量作为训练准则，设计基于三元组卷积神经网络的图像检索算法，以学习更有利于检索的高层语义特征，应用到常见的物品和纹理图像检索任务，并创新式应用于布料图像检索任务中。 （2）优化特征提取方式。提出将从深度神经网络中提取的未激活特征应用到图像检索中，以避免有用的特征信息在激活后丢失。提出融合深度神经网络不同层级的特征，形成多尺度集合特征，让用于检索的特征涵盖不同层次的语义信息，减小“语义鸿沟”。 （3）解决同领域训练数据集缺失难题。针对图像检索应用中，被检索数据集的训练样本不足以训练庞大网络的情况，创新式将迁移学习应用于图像检索，提出采用与被检索数据集互属相似领域的数据集来训练网络，应用于布料图像检索任务。 （4）优化网络结构。创新式将多级网络结构应用在图像检索中，提出并设计基于三元组多级卷积神经网络的图像检索算法，在网络顶层、中层和底层加入监督信息，以学习既具有全局化信息又具有局部化信息的高质量语义特征，提升图像检索的准确率。
关键词：基于内容的图像检索；深度神经网络；卷积神经网络；相似性度量；多级网络结构；特征表达

目 录
摘 要 I
Abstract II
目 录 IV
图表清单 VII
第一章 绪论 1
11 选题背景及课题的研究意义 1
12 国内外研究现状 2
121 图像检索研究现状 2
122 深度神经网络研究现状 3
13 主要研究内容与创新点 4
14 本文的结构安排 5
第二章 基于内容的图像检索的基础理论 7
21 基于内容的图像检索简介 7
211 基于内容的图像检索基本框架 7
212 相似性度量的概念 8
213 检索评价标准 9
22 基于内容的图像检索技术 11
221 基于颜色特征的图像检索 11
222 基于纹理特征的图像检索 11
223 基于词袋模型的图像检索 11
224 基于深度神经网络的图像检索 12
23 本章小结 13
第三章 深度神经网络的基础理论 14
31 深度神经网络 14
311 深度神经网络的网络结构 14
312 深度神经网络的训练算法 18
32 卷积神经网络 19
321 局部感受野 20
322 权值共享 21
323 空间降采样 21
324 卷积神经网络的网络结构 22
33 本章小结 23
第四章 基于三元组卷积神经网络的图像检索算法 25
41 基于三元组卷积神经网络的图像检索算法的思路 25
42 基于三元组卷积神经网络的图像检索算法的设计 27
421 三元组卷积神经网络中单通道的设计 27
422 网络训练准则的更改 28
423 特征提取的优化 30
424 采用迁移学习解决训练样本缺失问题 31
43 基于三元组卷积神经网络的图像检索算法的实验结果与分析 33
431 数据集简述 33
432 参数选取 35
433 物品图像检索任务实验 37
434 纹理图像检索任务实验 39
435 布料图像检索任务实验 41
44 本章小结 44
第五章 基于三元组多级卷积神经网络的图像检索算法 46
51 基于三元组多级卷积神经网络的图像检索算法的思路 46
52 三元组2-级卷积神经网络的设计 47
521 三元组2-级卷积神经网络结构 47
522 三元组2-级卷积神经网络的训练方法 49
53 三元组4-级卷积神经网络的设计 49
531 三元组4-级卷积神经网络结构 49
532 三元组4-级卷积神经网络的训练方法 51
54 基于三元组多级卷积神经网络的图像检索算法的实验结果与分析 52
541 物品图像的图像检索实验 52
542 纹理图像的图像检索实验 55
55 本章小结 57
总结与展望 58
总结 58
展望 59
参考文献 60
攻读硕士学位期间取得的研究成果 65