[发明专利]视觉检索中的紧凑视觉描述子深度神经网络生成模型在审
| 申请号： | 201810878981.8 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN108920727A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 纪荣嵘;林贤明;钱剑强;施明辉 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 视觉检索中的紧凑视觉描述子深度神经网络生成模型，涉及图像检索。构建Fisher layer网络；构建分组和二分类模块；基于极大边界条件的损失函数的训练；对于图像库图像和查询图像，首先抽取图像的局部特征，然后用训练好的网络结构对图像的局部特征进行聚合和二值嵌入获得图像的二值编码，根据查询图像的二值编码在图像库中匹配返回相似度高的图像作为粗匹配出候选集，再对候选集使用局部特征进行几何一致性检验进行精确匹配并返回最终查询结果。使用灵活的Fisher网络聚合图像的局部特征生成更高效的全局特征Fisher向量；同时用分组与二分类模块对Fisher向量进行二值编码，得到紧凑的全局二值特征。 | ||
| 搜索关键词： | 局部特征 图像 二值编码 紧凑 视觉描述子 查询图像 神经网络 生成模型 视觉检索 二分类 候选集 图像库 构建 向量 匹配 一致性检验 分组 边界条件 查询结果 聚合图像 全局特征 损失函数 图像检索 网络结构 返回 粗匹配 灵活的 相似度 聚合 嵌入 抽取 网络 全局 | ||
【主权项】：
1.视觉检索中的紧凑视觉描述子深度神经网络生成模型，其特征在于包括以下步骤：1)构建Fisher layer网络；2)构建分组和二分类模块；3)基于极大边界条件的损失函数的训练；4)对于图像库图像和查询图像，首先抽取图像的局部特征，然后用训练好的网络结构对图像的局部特征进行聚合和二值嵌入获得图像的二值编码，根据查询图像的二值编码在图像库中匹配返回相似度高的图像作为粗匹配出候选集，再对候选集使用局部特征进行几何一致性检验进行精确匹配并返回最终查询结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810878981.8/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
