买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:四川大学
摘要:本发明公开了一种基于深度神经网络的鲁棒跨域图像检索方法,包括以下步骤:S1、对图像数据集进行预处理,得到处理后的训练数据集和测试数据集;S2、构建深度神经网络模型;S3、输入查询领域和目标领域的噪声标签训练数据对深度神经网络模型进行训练,得到训练完成的神经网络模型;S4、通过训练完的神经网络模型中的特征提取器来提取测试数据集中查询领域图像特征和目标领域图像特征;S5、计算查询域测试图像特征和目标域图像测试特征之间的距离,将距离按升序排列,取距离最小的若干个特征,从而实现查询图像的检索。本发明解决了现有的跨域图像检索方法没有考虑到训练数据集中存在噪声标签的情况,难以在噪声标签数据集的干扰下实现深度神经网络模型的训练,无法准确地提取出查询领域图像的特征,从而导致检索性能严重下降的问题。
主权项:1.一种基于深度神经网络的鲁棒跨域图像检索方法,其特征在于,包括以下步骤:S1、对图像数据集进行预处理,得到处理后的训练数据集和测试数据集;S2、构建深度神经网络模型;S3、输入查询领域和目标领域的噪声标签训练数据对深度神经网络模型进行训练,得到训练完成的神经网络模型;S4、通过训练完的神经网络模型中的特征提取器来提取测试数据集中查询领域图像特征和目标领域图像特征;所述步骤S4中提取特征的计算公式如下:NQF=f1QDNTF=f1TD其中QD为查询领域的测试数据向量,NQF是训练后模型提取出的查询领域测试特征,TD为目标领域的测试数据向量,NTF是训练后模型提取出的目标领域测试特征,f1是完成训练的模型特征提取器;S5、计算查询域测试图像特征和目标域图像测试特征之间的距离,将距离按升序排列,取距离最小的若干个特征,从而实现查询图像的检索;所述步骤S5中计算特征距离的公式如下: 其中d表示样本向量的维度,qi表示测试数据集查询领域样本向量的第i个元素,ti表示测试数据集目标领域样本向量的第i个元素;所述步骤S3包括以下分步骤:S31、在训练数据集中随机选择两个领域的数据,其中一个作为查询领域,另一个作为目标领域;S32、使用训练数据集中查询领域和目标领域的数据实现模型的预热;S33、计算出训练数据集中查询领域和目标领域的样本邻居下标矩阵;S34、通过训练样本的邻居矩阵和标签来将查询领域和目标领域的训练数据集进行划分,得到查询领域干净和噪声训练数据以及目标领域干净和噪声训练数据;S35、通过查询和目标领域的干净训练数据来为查询和目标领域的噪声训练数据进行重新赋值标签;S36、输入查询领域的干净训练数据QCD和重新赋予标签的训练数据QRD和目标领域的干净训练数据TCD和重新赋予标签的训练数据TRD到模型的特征提取器中得到查询领域的干净训练特征和重新赋值标签训练特征分别为QCF和QRF矩阵,目标领域的干净训练特征和重新赋值标签训练特征分别为TCF和TRF矩阵;所述步骤S36中的更新公式如下:QCF=fQCDQRF=fQRDTCF=fTCDTRF=fTRD其中f是模型中的特征提取器;S37、对于目标领域和查询领域的重新赋值训练特征矩阵进行加权;S38、使用查询领域和目标领域的干净特征训练矩阵和加权重新赋值训练特征QCF,TCF,WQRF和WTRF来更新查询领域和目标领域的训练特征库;所述步骤S38中的更新公式如下: 其中和分别表示查询领域训练数据中类别1和类别c的领域特征中心,和表示查询领域训练数据属于类别1和类别c的特征取均值,和分别表示目标领域训练数据类别1和类别c的领域特征中心,和表示查询领域训练数据属于类别1和类别c的特征取均值,α是超参数;S39、计算领域内和领域间的损失来更新模型参数,进行训练。
全文数据:
权利要求:
百度查询: 四川大学 一种基于深度神经网络的鲁棒跨域图像检索方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。