[发明专利]一种利用深度卷积网络生成用于图像检索的哈希码的方法

权利要求书

1.一种利用深度卷积网络生成用于图像检索的哈希码的方法，其特征在于，具体步骤如下：

步骤1，建立图像对的相似信息矩阵S：将图像分类数据库中的同一类图像视为相似图像，以此建立图像对的相似信息矩阵S；

步骤2，设计整体网络模型：将DenseNet去除最后的输出层作为基础网络模型提取图像特征，在基础网络模型后添加一个哈希层用以获得哈希码，哈希层后添加分类输出层用以获得图像分类信息；

步骤3，损失函数设计：为了使得相似图像哈希码相似，损失函数中包含有以下损失：根据分类信息获得的分类损失、图像对的相似信息损失、哈希变换过程中的量化损失；

步骤4，哈希函数设计：考虑哈希层的输出向量中位与位之间的关系，提出哈希函数，对哈希层输出的各位上的数字进行从大到小排序，如果特征向量某一位上的值在排序中靠前一半，则编码为1；若在排序中靠后一半，则编码为0；

步骤5，模型训练：采用两路的基础模型对输入图像对中的两幅图像同时提取图像特征，两路基础模型的权重共享，使用随机梯度下降优化算法对模型进行训练；

步骤6，获得图像哈希码：将图像输入到步骤5训练好的模型中，获得对应的哈希码。

2.根据权利要求1所述的利用深度卷积网络生成用于图像检索的哈希码的方法，其特征在于，在所述步骤1中，要建立图像对的相似信息矩阵S，遵循当前深度哈希方法中的设定，将图像分类数据库中的同一类图像视为相似图像，当图像x_i和图像x_j相似时，其图像对的标签为s_ij＝1；当图像x_i和图像x_j不相似时，其图像对的标签为s_ij＝0。

3.根据权利要求1所述的利用深度卷积网络生成用于图像检索的哈希码的方法，其特征在于，在所述步骤3中，损失函数中包含有三项损失：根据分类信息获得的分类损失、图像对的相似信息损失、哈希变换过程中的量化损失，即损失函数有三项：

3.1根据分类信息获得的分类损失：

其中，图像分类任务中的分类损失，y_n为输入图像在数据库中所属的分类，为网络对输入图像的预测分类，W是整个网络的权重，λ是正则项的系数；

3.2哈希变换过程中的量化损失：

其中，b_i为哈希层的输出，u_i为b_i经过哈希函数后的输出，即哈希码；

3.3图像对的相似信息损失：

其中，

则损失函数为：

4.根据权利要求1所述的利用深度卷积网络生成用于图像检索的哈希码的方法，其特征在于，在所述步骤4中，对哈希层的输出向量各位上的数字进行从大到小排序，如果数值在排序后序列的前半区，则编码为1，在后半区则编码为0，公式如下：

式中，b_i为哈希码第i位的值，h_i为哈希层的输出向量H第i位的值，h_mid为哈希层的输出向量H中的中位数。

5.根据权利要求1所述的利用深度卷积网络生成用于图像检索的哈希码的方法，其特征在于，在所述步骤5中，对模型进行训练，优化算法使用随机梯度下降法，模型训练完成后保存。