[发明专利]一种面向图像检索的对象级深度特征聚合方法

摘要

本发明涉及数字媒体领域，提供一种面向图像检索的对象级深度特征聚合方法。首先采用无监督的方法生成可能包含对象的候选区域，然后提取其对应的卷积神经网络特征，最终聚合这些区域特征得到对图像变换具有高鲁棒性的图像特征表示用于图像检索应用。本发明针对现有模型对于几何变换和空间布局不变性的缺乏，以基于对象的方式，解决了现有技术的不足，该方法生成的图像特征具有对图像几何变换和空间布局变换的高鲁棒性，提高了图像检索的准确度，其次得到的图像特征十分紧凑简洁，减少了图像间相似度计算的复杂度，提高了检索效率。

主权项

一种面向图像检索的对象级深度特征聚合方法，其特征在于以下步骤：步骤1，对数据库中的每一张图像采用Selective Search算法提取候选区域，生成图像候选区域；步骤2，选择卷积神经网络结构模型，并在公共数据库上对卷积神经网络进行预训练；步骤3，采用训练完成的卷积神经网络提取所有图像候选区域的特征3.1)将图像候选区域缩放填充到固定大小后，作为卷积神经网络的输入；3.2)将卷积神经网络的全连接层FC7的输出作为该图像候选区域的描述特征；步骤4，对步骤3得到的候选区域的描述特征采用主成分分析算法进行降维，将其维度降为N维，得到低维候选区域特征；步骤5，对步骤4得到的低维候选区域特征采用K均值聚类算法进行无监督聚类，聚成K个聚类中心；步骤6，对步骤4得到的属于同一张图像的低维候选区域特征和步骤5得到的K个聚类中心，采用VLAD算法进行聚合，每张图像得到一个维度为N*K维的VLAD特征；步骤7，对步骤6得到的VLAD特征采用主成分分析算法进行降维，将其维度降为D维，生成简洁的图像特征。