[发明专利]一种基于哈希编码的印花织物图像检索方法

权利要求书

1.一种基于哈希编码的印花织物图像检索方法，其特征在于，具体按照以下步骤实施：

步骤1，在ImageNet数据集上进行有监督训练，得到预训练模型，即AlexNet网络；

步骤2，建立印花织物数据库，并批量进行预处理；

步骤3，对经步骤1后得到的AlexNet网络进行修改；具体为：

在AlexNet网络的最后一个全连接层fc8和倒数第二个全连接层fc7之间加入哈希层，激活函数选用Sigmoid，并将原始的第一和第二卷基层后的LRN局部响应归一化改为BatchNorm批量归一化；

BatchNorm归一化的计算公式，如式(2)所示：

步骤4，利用步骤2中建立的印花织物数据库对经步骤3后得到的AlexNet网络进行fine-tuning；具体按照以下步骤实施：

步骤4.1，将修改后的AlexNet网络模型输入数据Source及均值路径mean_file改为步骤2中得到的文件路径；

第一卷积层、第二卷积层进行卷积操作后依次进行归一化、ReLU激活及池化操作，第三卷积层和第四卷积层进行卷积操作后进行ReLU激活操作，第五卷积层进行卷积操作后进行ReLU激活及池化操作，最后一层全连接层进行卷积操作后依次进行了Accuracy和Softmax-loss操作；

其中，ReLU激活采用的激活函数为f(x)＝max(x,0)；

池化方法采用max最大池化法，计算方法，如式(3)及式(4)所示：

w₁＝(w₀+2*pad-ker nel_size)/stride+1 (3)；

h₁＝(h₀+2*pad-ker nel_size)/stride+1 (4)；

式(3)及式(4)中，pad为边缘扩充默认为0，kernel_size为池化的核大小，设置为3，步长stride为2；w₀、h₀为输入的特征图宽度和高度，w₁、h₁则是池化后的宽度和高度；

步骤4.2，修改solver.prototxt中的训练参数，设置合适的基础学习率，并选用NAG代替SGD进行权值更新；

步骤4.3，随机提取图像227*227的子块或镜像输入到经步骤4.1后得到修改后的AlexNet网络中，复用AlexNet模型的前7层权重做fine-tuning，得到第7层、第8层和output层之间的权重；

步骤5，利用步骤4中fine-tuning得到的网络模型提取每张图像的哈希二值编码，计算查询图像与数据库图像二值哈希编码之间的汉明距离，得到与查询图像最相似的m个池内图像；

步骤6，计算池内m个图像与查询图像fc7层特征向量之间的欧式距离，将图像数据库中的图像按欧式距离由小到大排列，提取出与最小欧式距离相对应的几幅图像，即为要检索的相似度最高的top k图像。

2.根据权利要求1所述的一种基于哈希编码的印花织物图像检索方法，其特征在于，所述步骤1中，AlexNet网络，包括五个卷积层和三个全连接层，第一卷积层Conv1、第二卷积层Conv2、第三卷积层Conv3、第四卷积层Conv4和第五卷积层Conv5，第六全连接层fc6、第七全连接层fc7和第八全连接层fc8，并且第一卷积层至第五卷积层直接依次级联，第六全连接层至第八全连接层直接依次级联，第六全连接层直接连接到第五卷积层上；第一卷积层至第五卷积层为特征提取层，第六全连接层至第八全连接层为特征融合层和分类层。