[发明专利]一种基于高阶深度哈希学习的图像检索方法

摘要

本发明涉及一种基于高阶深度哈希学习的图像检索方法。该发明方法包括：构造数据集，获取原始图像的特征和标签信息，并将其划分为训练集、测试集和检索图像集；利用基础特征子网络、高阶池化子网络、哈希子网络及损失子网络四个模块构建高阶深度哈希网络结构；基于损失函数，借助随机梯度下降法和反向传播算法训练模型，优化深度哈希网络；利用学习到的网络计算测试集与检索图像集的哈希码，根据汉明距离输出检索结果。本发明的网络模型融合基础特征、高阶特征和哈希编码，深入挖掘三者的内在联系，联合优化，保证学习到的哈希码具有更丰富的语义信息，借助交叉熵损失实现端对端训练，提升高阶哈希的图像检索性能。

主权项

1.一种基于高阶深度哈希学习的图像检索方法，其特征在于，该方法包括以下步骤：步骤S1：构造包含图像数据及标签的图像数据集，并划分为训练集、测试集和检索图像集三部分，训练集用于模型训练，测试集和检索图像集用于模型测试；步骤S2：构建高阶深度哈希网络的结构，包括基础特征子网络、高阶池化子网络、哈希子网络及损失子网络；步骤S3：高阶深度哈希网络模型的端对端训练，包括模型特征前向传播和误差反向传播两个过程；步骤S4：根据学习到的高阶深度哈希网络，计算测试集和检索图像集的深度高阶哈希码；步骤S5：计算测试集与检索图像集哈希码之间的汉明距离，将最小汉明距离对应的图像作为检索结果输出，用平均精度均值指标评判该方法整体性能。