[发明专利]基于深度学习的融媒体资源库缩略图识别原图的方法

说明书

本发明公开了一种基于深度学习的融媒体资源库缩略图识别原图的方法，包括S1、将预处理后的图像数据输入到输入层；S2、使用卷积层提取高维特征,经过卷积把背景等无关因素淡化，并使用ReLU为激活函数；S3、通过最大池化层缩小矩阵尺寸，减少参数，来加速计算同时防止过拟和；S4、将全连接转卷积，将全连接层中变成三个卷积层；S5、批量读取图片库中的图片,从指定目录批量读取图片数据到内存中；S6、批量预处理，将每张图片缩放成固定大小的图片；S10、特征抽取，并与特征库中的所有图片特征做相似度计算，取相似度最大的特征的图片P，即为原图。本发明降低识别事对图片大小，颜色，是否变形等因素的依赖性，提升了识别效率和准确性。

技术领域

本发明涉及缩略图处理技术领域，尤其涉及基于深度学习的融媒体资源库缩略图识别原图的方法。

背景技术

随着媒体融合这个大趋势的发展，会产生大量图片资源，高效的管理这些资源带来了严峻考验。同时通过缩略图找原图的需求在融媒体资源库系统中变得极为迫切，提供高质量的缩略图识别原图能给用户带来很大的便利。

现有的传统缩略图识别原图一般使用感知哈希算法，即先将图片的按比例缩成固定大小灰度图片，然后将灰色图片转换成黑白拖片，再通过算法将黑白拖片中的每个像素用二进制数0和1表示，0代表黑色，1代表，形成一个0-1特征矩阵(也叫指纹)，最后通过比较特征矩阵的相似度(汉明距离)来识别原图。这种算法受图片变形的严重程度，识别准确率很容易收到图片变形，色彩等因素的影响，导致准确率比较低。

因此，如何提供一种基于深度学习的融媒体资源库缩略图识别原图的方法是本领域技术人员亟需解决的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出基于深度学习的融媒体资源库缩略图识别原图的方法，本发明降低识别事对图片大小，颜色，是否变形等因素的依赖性，大大的提升了识别效率和准确性。

根据本发明实施例的一种基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，包括具体如下方法步骤：

S1、将预处理后的图像数据输入到输入层；

S2、使用卷积层提取高维特征,经过卷积把背景无关因素淡化，突出待分类对象的主要特征，并使用ReLU为激活函数；

S3、通过最大池化层缩小矩阵尺寸，减少参数，来加速计算同时防止过拟和，其中过滤器的尺寸为2*2，步长为2；

S4、将全连接转卷积，将全连接层中变成三个卷积层；

S5、批量读取图片库中的图片,从指定目录批量读取图片数据到内存中；

S6、批量预处理，将每张图片缩放成固定大小的图片，以待后续处理；

S7、根据S1-S4的步骤进行批量特征抽取，将抽取的所有特征保存到特征库中，并建立图片与对应特征的索引，便于后面查找；

S8、判断所有图片是否处理完，如果没有，循环进行上述S5-S7的步骤，直到所有图片处理完为止后进入下一步；

S9、接收到用户缩略图识别原图的请求，并将图片P1缩放成固定大小的图片P2；

S10、特征抽取，并与特征库中的所有图片特征做相似度计算，取相似度最大的特征的图片P，即为原图；

S11、获取用户反馈并调整优化模型，根据用户反馈结果并优化模型，使得结果更准确。

优选的，所述卷积层提取高维特征公式如下：

其中，(f*g)(n)为f,g的卷积。

优选的，所述S2具体包括如下方法步骤：