[发明专利]一种使用二进制瓶颈神经网络来抽取图片特征的方法

权利要求书

1.一种使用二进制瓶颈神经网络来抽取图片特征的方法，其特征在于：包括如下步骤：

步骤1：建立一个二进制瓶颈神经网络，该二进制瓶颈神经网络包括输入层、隐藏层、输出层和镜像层；所述隐藏层包括第一隐藏层、第二隐藏层和第三隐藏层；

步骤2：通过摄像头获取图片后，将图片进行统一处理，使图片变为适合在二进制瓶颈神经网络中处理的分辨率尺寸大小，所述统一处理包括放大处理和缩小处理；

对8bit编码格式的图片进行统一处理时，由于所述8bit编码格式的图片的像素值的范围是0到255，所以处理时将所述8bit编码格式的图片中的所有的像素值均除以255，使其归一化到0到1的范围内；

步骤3：将经过统一处理的图片输入到所述输入层，经过统一处理的图片的像素值作为输入层的状态值；

步骤4：隐藏层获取输入层的状态值，并通过以下公式1进行计算：

式中，向量x表示输入层的状态值，W表示从输入层到隐藏层的权值矩阵，b表示隐藏层的偏置值，y表示隐藏层的状态值；

每一个隐藏层均将近邻的前一个隐藏层作为自身的输入层，并通过公式1来获取输入层的状态值；

步骤5：将隐藏层的状态值输入到输出层，并计算输出层的神经元激活概率，其计算公式2如下：

式中，向量j表示第三隐藏层的状态值，k表示输出层的偏置值，下标i表示输出层的第i个元素，P表示输出层的第i个元素激活的概率，P(O_i＝1)表示O_i＝1的概率，O_i只有两个取值，即1或0，取1表示激活，取0表示非激活，公式2给出了输出层的第i个神经元激活的概率；

神经网络在计算的过程中首先计算输出层的神经元激活概率值P，然后根据概率值P进行随机采样，从而最后得到输出神经元的激活状态；该神经网络将任意一个图片映射为一个固定长度的二进制序列码，即，图片的二进制特征向量；

步骤6：当需要比较图片N和图片M之间的相似度时，首先根据步骤1到步骤5的方法分别计算出图片N和图片M相应的二进制序列码，设定计算出的图片N的二进制序列码为B_N,计算出的图片M的二进制序列码为B_M；

然后计算B_N和B_M之间的汉明距离H(B_N，B_M)，汉明距离越小，图片N和图片M的相似程度越高；

步骤7：在输出层的后方设有一个镜像层，镜像层是以输出层为镜面对隐藏层和输入层的镜像；镜像层的最后一层的神经元个数与输入层的神经元个数相同，镜像层的倒数第二层的神经元个数与第一隐藏层的神经元个数相同。

2.如权利要求1所述的一种使用二进制瓶颈神经网络来抽取图片特征的方法，其特征在于：所述汉明距离是指两个二进制序列中不同位的个数，即将两个二进制序列进行异或后的结果中1的个数。

3.如权利要求1所述的一种使用二进制瓶颈神经网络来抽取图片特征的方法，其特征在于：在执行步骤7时，虽然镜像层的神经元个数与输入层和隐藏层相同，但是其连接权值不相同；图片从输入层输入，经过二进制瓶颈层之后，从镜像层恢复，中间在二进制瓶颈神经网络中引入了一定的误差，这就需要对二进制瓶颈神经网络进行权值训练，而权值训练的目的是使得上述误差最小化；所述二进制瓶颈神经网络中，二进制神经元的个数决定了该网络能够传递的最大信息量，是整个网络信息量传输的瓶颈，网络训练成功之后，若任意从输入层输入的图片都能在镜像层输出与其非常相似的图片，这说明中间的二进制神经元已经抓取到了该图片的特征。