[发明专利]一种基于稀疏神经网络的图像检索文本方法

摘要

本发明公开了一种基于稀疏神经网络的图像检索文本方法，构建两个独立的稀疏神经网络模型，然后分别把图像和文本的底层特征输入到稀疏神经网络模型中，将两个稀疏神经网络模型的输出作为图像和文本的语义理解，并将其视为图像和文本的语义空间，在此语义空间中进行图像检索文本操作，并根据检索结果排序，检索出与查询图像最匹配的文本。本发明将图像和文本投影到二者共同的语义空间，充分利用了二者的语义信息，并将稀疏编码的思想引入传统的反向传播神经网络，稀疏的限制强制网络去学习有用的信息，所以能提高检索准确度。

主权项

1.一种基于稀疏神经网络的图像检索文本方法，其特征是：具体包括以下步骤：(1)获取图像和文本的底层特征，构建图像的训练样本、测试样本以及文本的训练样本和测试样本；(2)构建独立的稀疏神经网络模型，利用其训练图像训练样本，构建另一独立稀疏神经网络模型利用其训练文本训练样本；(3)将图像的测试样本输入其对应的训练好的稀疏神经网络模型，得到其网络输出，将文本的测试样本输入其对应的训练好的稀疏神经网络模型，得到其网络输出；(4)利用图像与文本的网络输出，分别表示查询图像和待检索文本，求查询图像与所有待检索文本两两之间的距离，确定最匹配的文本;所述步骤(2)中，训练的具体过程包括：(2‑1)随机地初始化权重矩阵；(2‑2)将图像训练样本输入稀疏神经网络模型，网络正向传播，分别计算网络的隐藏层节点和输出层节点的输出值；(2‑3)网络误差反向传播，对于稀疏神经网络模型的输出层节点和隐藏层节点，计算其误差项；(2‑4)根据误差项更新每一个权重值；(2‑5)重复步骤(2‑2)‑(2‑4)，直到满足迭代结束条件，训练完毕。