[发明专利]基于卷积神经网络的印花织物图像检索方法有效
| 申请号： | 201710418004.5 | 申请日： | 2017-06-06 |
| 公开（公告）号： | CN107256246B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 景军锋;王妙;苏泽斌;张缓缓;李鹏飞 | 申请（专利权）人： | 西安工程大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06F16/55;G06F16/51;G06N3/02 |
| 代理公司： | 61214 西安弘理专利事务所 | 代理人： | 罗磊 |
| 地址： | 710048 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于卷积神经网络的印花织物图像检索方法，具体为：步骤1，建立印花织物图像数据库，并批量进行预处理；步骤2，基于AlexNet网络模型训练印花织物卷积神经网络模型；步骤3采集待检索图像，并对其进行预处理；步骤4，用步骤2建立的印花织物的卷积神经网络模型对步骤1建立的图像数据库中的图像及步骤3采集的待检索图像进行4096维特征向量提取；步骤5，对待检索图像的4096维特征向量与图像数据库图像中的每一个4096维特征向量进行欧式距离计算，对数据库图像按照欧式距离由小到大的顺序排列，按顺序将对应的top k织物图像反馈给用户，完成检索。解决了现有技术中存在的图像检索准确率低、耗费时间长的问题。 | ||
| 搜索关键词： | 基于 卷积 神经网络 印花 织物 图像 检索 方法 | ||
【主权项】：
1.基于卷积神经网络的印花织物图像检索方法，其特征在于，具体按照以下步骤实施：/n步骤1，建立印花织物图像数据库，并批量进行预处理；/n所述步骤1具体按照以下步骤实施：/n步骤1.1，准备用于检索的印花织物图像库，对库中所有的图像进行手动分类，并按其所在类别进行重命名；/n步骤1.2，将经步骤1.1重命名的所有的印花织物图像分为训练集train和测试集test两个部分，训练集和测试集中均包括图像的每一个类，然后根据图像所属类对训练集和测试集的图像加上对应的标签生成train.txt和test.txt标签文件；/n步骤1.3，将所有图像统一缩放至256×256像素，并将其转换为lmdb格式；/n步骤1.4，计算训练集图像的均值，生成对应的均值文件mean.binaryproto；/n步骤2，基于AlexNet网络模型训练印花织物卷积神经网络模型；/n利用步骤1中建立的数据库训练印花织物卷积神经网络模型，包括五个卷积层和三个全连接层；/n步骤2中所述的五个卷积层包括第一卷积层Conv1、第二卷积层Conv2、第三卷积层Conv3、第四卷积层Conv4和第五卷积层Conv5，三个全连接层分别为第六全连接层Fc6、第七全连接层Fc7和第八全连接层Fc8，并且第一卷积层至第五卷积层直接依次级联，第六全连接层至第八全连接层直接依次级联，第六全连接层直接连接到第五卷积层上；/n步骤2中所述的利用步骤1中建立的数据库训练印花织物卷积神经网络模型具体过程为：将Alex Net神经网络输入数据source及均值路径mean_file改为步骤1中生成的文件路径，并修改solver.prototxt中的训练参数，用步骤1中建立的数据库图像进行模型训练；/n步骤3，采集待检索图像，并对其进行预处理；/n步骤4，用步骤2建立的印花织物的卷积神经网络模型对步骤1建立的图像数据库中的图像及步骤3采集的待检索图像进行4096维特征向量提取；/n步骤5，对待检索图像的4096维特征向量与图像数据库图像中的每一个4096维特征向量进行欧式距离计算，对数据库图像按照欧式距离由小到大的顺序排列，按顺序将对应的top k织物图像反馈给用户，完成检索。/n
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西安工程大学，未经西安工程大学许可，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/201710418004.5/，转载请声明来源钻瓜专利网。
- 上一篇：面向垃圾短信分类的离线模型改进与选择方法
- 下一篇：大数据数据治理方法和装置
