[发明专利]一种基于深度残差网络与哈希编码的大规模图片检索方法

摘要

一种基于深度残差网络与哈希编码的大规模图片检索方法，包括以下步骤：步骤一、深度残差网络构建；步骤二、哈希网络构建，过程如下：步骤2.1：哈希网络由三层全连接层构成；步骤2.2：每层全连接层后面接tanh激活函数；步骤2.3：根据损失函数计算梯度反响传播反馈到网络中；步骤三、深度残差网络训练，过程如下：步骤3.1：将数据分为训练数据集T和测试数据集V；步骤3.2：训练深度残差网路；步骤3.3：训练哈希网络；步骤四、图片检索与精度测试；经过上述步骤的操作，即可实现对图片的检索。本发明提供一种精度较高、检索效率较高的基于深度残差网络与哈希编码的大规模图像检索方法。

主权项

1.一种基于深度残差网络与哈希编码的大规模图片检索方法，其特征在于，所述方法包括以下步骤：步骤一、深度残差网络构建，过程如下：步骤1.1：深度残差网络由若干个块、池化层与全连接层组成，每个块包括批标准化层、卷积层和ReLu激活层；步骤1.2:每个块以批标准化层、卷积层、ReLu激活层的顺序并接着重复一次而组成；步骤1.3:每个块的输入与该块的计算结果相加作为下一个块的输入；步骤1.4：最后一个块后面连接一个平均池化层；步骤1.5：池化层后连接一个全连接层；步骤1.6：连接层后接相似性得分函数；步骤1.7：把计算出的相似性得分反向传播反馈到网络中；步骤二、哈希网络构建，过程如下：步骤2.1：哈希网络由三层全连接层构成；步骤2.2：每层全连接层后面接tanh激活函数；步骤2.3：根据损失函数计算梯度反响传播反馈到网络中；步骤三、深度残差网络训练，过程如下：步骤3.1：将数据分为训练数据集T和测试数据集V；步骤3.2：训练深度残差网路；步骤3.3：训练哈希网络；步骤四、图片检索与精度测试，过程如下：步骤4.1：将图片数据输入到深度残差网络中得到特征向量；步骤4.2：将特征向量输入到哈希网络中，用符号函数将哈希网络输出的值转化为哈希值；步骤4.3：计算待查数据集D与Q中每一个查询的哈希值的汉明距离，并按照汉明距离从小到大进行排序作为每一个查询的结果；步骤4.4:比较问询图片的标签和查询结果的对应图片的标签，根据信息检索中的评价准则计算所有问询图片的平均准确率；经过上述步骤的操作，即可实现对图片的检索。