• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Procedia Computer Science >Convolutional neural network based dictionary learning to create hash codes for content-based image retrieval
【24h】

Convolutional neural network based dictionary learning to create hash codes for content-based image retrieval

机译：基于卷积神经网络的基于内容的图像检索创建散列代码

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study investigates the suitability of sparse vectors in the dictionary learning (DL) method for content-based image retrieval (CBIR) tasks. Since DL usually performs the learning process in an unsupervised manner, it cannot generate robust features for the retrieval task, especially if a complex background is involved. In order to overcome this drawback, a DL approach using the feature representation power of the convolutional neural network (CNN) is proposed. The initialization values of the dictionaries in the proposed CNN based DL method are taken randomly from the middle layers of the CNN architecture. The vector of each image obtained from the CNN architecture is used as DL input. The lambda vectors produced by the DL structure are converted into binaries. In this way, DL acts as a hash code generator. The performance of the proposed framework is tested on modified COREL dataset. The results prove that it is an open-to-improvement approach and is promising.
机译：本研究研究了基于内容的图像检索（CBIR）任务的稀疏向量的适用性（DL）方法。由于DL通常以无监督的方式执行学习过程，因此它不能为检索任务产生鲁棒特征，特别是如果涉及复杂的背景。为了克服该缺点，提出了使用卷积神经网络（CNN）的特征表示功率的DL方法。所提出的基于CNN基于CNN的DL方法中的词典的初始化值是从CNN架构的中间层随机拍摄的。从CNN架构获得的每个图像的向量用作DL输入。 DL结构产生的λ载体转化为二进制文件。通过这种方式，DL充当哈希码生成器。在修改的Corel数据集上测试了所提出的框架的性能。结果证明这是一种开放性的方法，并且很有希望。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号