[发明专利]一种有监督深度哈希快速图片检索方法及系统

摘要

本发明提出一种有监督深度哈希快速图片检索方法及系统，方法包括：构建用于快速图像检索的深度卷积神经网络H″；将图库中的图片依次输入深度卷积神经网络H″后得到实值特征，经过量化操作后得到哈希码并储存在本地；将每一张查询图片q输入至深度卷积神经网络H″并量化得到哈希码h(q)，再计算哈希码h(q)与所有存储在本地的哈希码之间的汉明距离，将汉明距离为小的认作相似度为高，以此进行排序，最终根据检索数量要求返回相应数量的最为相似的图片。本发明基于现有的深度神经网络，利用三元组标签数据进行图片特征表达的学习采用三元组量化损失函数，用于构建有监督深度哈希模型，从而实现既快速又精准的图片检索。

主权项

1.一种有监督深度哈希快速图片检索方法，其特征在于，包括：/nS1：构建用于快速图像检索的深度卷积神经网络H″；/n对于每张图片a，随机分配一张相似图片p与一张非相似图片n，构成一组三元组训练样本(a,p,n)；/n在已有的深度神经网络模型末端叠加低维哈希层，构成深度卷积神经网络H，深度卷积神经网络H经过三次复制得到三路并行且参数共享的深度卷积神经网络H′；/n将所述三元组训练样本(a,p,n)输入到深度卷积神经网络H′开始训练，同时对该训练样本进行缩放与裁剪；/n先采用优化三元组损失函数训练深度卷积神经网络H′，以梯度回传的方式对深度卷积神经网络H′进行网络参数的更新；/n再采用优化三元组量化损失函数微调深度卷积神经网络H′，以梯度回传的方式对深度卷积神经网络H′进行网络参数的更新；/n以上训练微调后的深度卷积神经网络H′中任意抽取一路网络即用于快速图像检索的深度卷积神经网络H″；/nS2：将图库中的图片依次输入深度卷积神经网络H″后得到实值特征，经过量化操作后得到哈希码并储存在本地；/nS3：将每一张查询图片q输入至深度卷积神经网络H″并量化得到哈希码h(q)，再计算哈希码h(q)与所有存储在本地的哈希码之间的汉明距离，将汉明距离为小的认作相似度为高，以此进行排序，最终根据检索数量要求返回相应数量的最为相似的图片；/n所述S1，采用优化三元组量化损失函数微调深度卷积神经网络H′，以梯度回传的方式对深度卷积神经网络H′进行网络参数的更新，是指：/n步骤Sc1，三元组训练样本(a,p,n)经过深度卷积神经网络H′，得到三元组训练样本中的每张图片所对应的实值特征f