[发明专利]一种基于深度学习和密度峰值聚类的图像检索方法有效
| 申请号： | 201811531567.6 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109635140B | 公开（公告）日： | 2020-07-10 |
| 发明（设计）人： | 谢从华;张冰;高蕴梅;马超 | 申请（专利权）人： | 常熟理工学院 |
| 主分类号： | G06F16/53 | 分类号： | G06F16/53;G06K9/62 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 杨晓玲 |
| 地址： | 215500 江苏省苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习和密度峰值聚类的图像检索方法，包括：基GoogeLeNet预训练模型提取图像的深度学习特征，构建基于局部核密度函数和最小局部核函数峰值距离参数阈值的密度峰值聚类方法，获得图像集的初始聚类类别数和划分子集信息。依据聚类类别数构建多组双层稀疏自动编码器的网络结构，基于聚类划分子集生成高斯分布随机数矩阵初始化多组双层稀疏自动编码网络参数、构造目标函数和估计多组双层稀疏自动编码器的参数。基于训练好的多组双层稀疏自动编码器提取图像集和待查图像的精细特征，对图像集的精细特征进行密度峰值聚类划分子集，在与待查图像精细特征最近的聚类划分子集中根据相似性原则实现图像检索等内容。 | ||
| 搜索关键词： | 一种 基于 深度 学习 密度 峰值 图像 检索 方法 | ||
【主权项】：
1.一种基于深度学习和密度峰值聚类的图像检索方法，其特征在于，包括如下步骤：步骤1，使用GoogeLeNet预训练模型提取图像的深度学习特征，构建基于局部核密度函数和最小局部核函数峰值距离参数阈值的密度峰值聚类方法，获得图像集的初始聚类类别数和划分子集信息；步骤2，依据聚类类别数构建多组双层稀疏自动编码器的网络结构，基于聚类划分子集生成高斯分布随机数矩阵初始化多组双层稀疏自动编码器参数，基于聚类划分子集构造目标函数和估计多组双层稀疏自动编码器参数；步骤3，基于训练好的多组双层稀疏自动编码器提取图像集和待查图像的精细特征，对图像集的精细特征进行密度峰值聚类划分子集，在与待查图像精细特征最近的聚类划分子集中根据相似性原则实现图像检索。
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常熟理工学院，未经常熟理工学院许可，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/201811531567.6/，转载请声明来源钻瓜专利网。
