基于CNN和流行排序的圖像檢索算法
大?。?/span>0.78 MB 人氣： 2017-12-25 需要積分：1
針對基于內容的圖像檢索（ CBIR）中低層視覺特征與用戶對圖像理解的高層語義不一致以及傳統的距離度量方式難以真實反映圖像之間相似程度等問題，提出了一種基于卷積神經網絡（CNN）和流形排序的圖像檢索算法。首先，將圖像輸入CNN，通過多層神經網絡對圖像的監督學習，提取網絡中全連接層的圖像特征；其次，對圖像特征進行歸一化處理，然后用高效流形排序（EMR）算法對查詢圖像所返回的結果進行排序；最后，根據排序的結果返回最相似的圖像。在corel數據集上，深度圖像特征比基于場景描述的圖像特征的平均查準率（mAP）提高了53. 74%，流形排序比余弦距離度量方式的mAP提高了18. 34%。實驗結果表明，所提算法能夠有效地提高圖像檢索的準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于CNN和流行排序的圖像檢索算法下載
相關電子資料下載
- CNN的定義和優勢 112
- 基于CNN的網絡入侵檢測系統設計 105
- 工廠智能視頻監控系統 CNN 52
- 如何在TensorFlow中構建并訓練CNN模型 60
- 如何利用CNN實現圖像識別 75
- 卷積神經網絡與循環神經網絡的區別 99
- NLP模型中RNN與CNN的選擇 66
- 卷積神經網絡中池化層的作用 67
- cnn卷積神經網絡分類有哪些 106
- cnn卷積神經網絡三大特點是什么 87