【摘要】：隨著信息時代的到來,互聯(lián)網(wǎng)上的圖像數(shù)據(jù)呈現(xiàn)爆炸性增長,如何在海量的圖像中快速、準確地檢索到目標圖像一直是信息檢索領域研究的熱點。傳統(tǒng)的圖像哈希檢索方法將圖像特征映射到漢明空間,可以顯著降低特征的維度及檢索開銷,但是由于傳統(tǒng)哈希方法提取的手工特征注重圖像的視覺相似性而不是語義相似性,所以限制了檢索效果的提升。近年來,由于深度學習在計算機視覺領域取得了巨大成功,因此基于深度學習的圖像哈希檢索方法逐漸成為圖像檢索領域的主要研究目標�；谏疃葘W習的圖像哈希檢索方法通常采用端到端的網(wǎng)絡模型直接生成二值哈希碼,但與此同時帶來網(wǎng)絡離散空間不可導問題。另外,由于數(shù)據(jù)集與實際數(shù)據(jù)存在差異,所以網(wǎng)絡的泛化性和魯棒性有待提高。針對以上問題,本文的具體工作如下:(1)提出一種基于CNN-F的改進網(wǎng)絡結構與“松弛”哈希生成函數(shù)相結合的圖像檢索方法,通過松弛二值哈希碼到連續(xù)的實值空間,使得整個網(wǎng)絡可以進行求導并通過反向傳播算法進行學習。(2)改進網(wǎng)絡的損失函數(shù),通過分類損失和對比損失相結合,對比損失適宜檢索任務,而分類損失和加入權重可以在一定程度上降低對比損失帶來的正負樣本不平衡問題對網(wǎng)絡性能的影響。另外,去掉二值約束正則項,避免引入多余的輔助變量和計算。(3)結合以上創(chuàng)新點,設計一個偽孿生網(wǎng)絡,在主網(wǎng)絡的輸入層前加入空間轉換網(wǎng)絡,使網(wǎng)絡能夠根據(jù)圖像內容自適應學習多種變換信息,增加網(wǎng)絡的泛化性及魯棒性,使網(wǎng)絡在較少數(shù)據(jù)集上訓練也能獲得很好的檢索性能,同時采用互學習訓練策略,提高網(wǎng)絡的訓練穩(wěn)定性和加速網(wǎng)絡的收斂。通過在CIFAR-10和NUS-WIDE兩個數(shù)據(jù)集上進行充分的實驗驗證,結果表明這些創(chuàng)新點使圖像檢索性能都有一定提升,而結合這些創(chuàng)新點又進一步提高了檢索的準確率,例如,在CIFAR-10數(shù)據(jù)集上,12比特位的哈希碼檢索的均值平均準確率(mAP)達到了79.8%,已經(jīng)超過了當前許多頂尖的方法。
【圖文】：

法的研究大部分是端到端的方法，將圖像的特征提取和哈希學習在同一個網(wǎng)絡中實現(xiàn)，通過方向傳播算法不斷優(yōu)化網(wǎng)絡性能。2.3.1 卷積神經(jīng)網(wǎng)絡哈希其實最早基于深度學習的哈希算法嚴格意義上應該是2009年由Hinton提出的語義哈希方法（Semantic Hashing）[33]。但是語義哈希方法中僅僅使用深度網(wǎng)絡提供的非線性能力學習哈希函數(shù)，采用的還是傳統(tǒng)的底層特征作為輸入，，和現(xiàn)在深度哈希算法使用深度特征還是有一定的區(qū)別，因此這里不做深入討論。直到2014年，RongkaiXia等人在AAAI上提出的卷積神經(jīng)網(wǎng)絡哈希（Convolutional Neural Network Hashing，CNNH）[23]算法，基于深度學習的哈希算法正式進入研究者的視野。CNNH算法分為兩個階段，算法思想如圖2.4所示：

第二階段：針對學習的哈希碼和挑選的圖像離散類標簽構建深度神經(jīng)網(wǎng)絡，通過訓練CNN同時進行二值哈希碼擬合和輸入圖片的特征學習。作者將二值哈希碼擬合轉換成多標簽預測問題，并且為了提升性能還加入了分類損失函數(shù)。CNNH算法的檢索性能明顯優(yōu)于傳統(tǒng)的使用手工特征的哈希方法，但是由于該方法不是端到端的，兩階段的學習過程將圖像特征表示和哈希學習拆分開來，無法發(fā)揮深度學習的全部能力。2.3.2 深度神經(jīng)網(wǎng)絡哈希為了更好發(fā)揮深度學習的潛力，2015年HanjiangLai等人在CVPR提出端到端的深度神經(jīng)網(wǎng)絡哈希算法（Deep Neural Network Hashing，DNNH）[24]。相比于CNNH，DNNH網(wǎng)絡更深并且將特征學習和哈希學習在同一個網(wǎng)絡中實現(xiàn)，網(wǎng)絡模型結構圖如圖2.5所示：
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關期刊論文 前10條

1 蔣大宏;動態(tài)哈希方法[J];計算機工程;1993年01期

2 魯明;宋馥莉;;基于誤差加權哈希的圖像檢索方法[J];河南科技;2016年17期

3 宋欣;;哈希:品質承諾鑄就品牌基石[J];現(xiàn)代企業(yè)文化;2012年Z1期

4 蔣大宏;實現(xiàn)檢索代價最優(yōu)的動態(tài)哈希法[J];計算機工程與應用;1994年Z2期

5 郁延珍;;基于深度多監(jiān)督哈希的快速圖像檢索[J];計算機應用與軟件;2019年11期

6 孫瑤;;深度學習哈希研究與發(fā)展[J];數(shù)據(jù)通信;2018年02期

7 潘輝;鄭剛;胡曉惠;馬恒太;;基于感知哈希的圖像內容鑒別性能分析[J];計算機輔助設計與圖形學學報;2012年07期

8 牛夏牧;焦玉華;;感知哈希綜述[J];電子學報;2008年07期

9 徐澤明;侯紫峰;;串的快速連續(xù)弱哈希及其應用[J];軟件學報;2011年03期

10 郭呈呈;于鳳芹;陳瑩;;改進哈希編碼加權排序的圖像檢索算法[J];傳感器與微系統(tǒng);2018年09期

相關會議論文 前10條

1 張維克;孔祥維;尤新剛;;安全魯棒的圖像感知哈希技術[A];第七屆全國信息隱藏暨多媒體信息安全學術大會論文集[C];2007年

2 劉玉瑩;劉宏哲;袁家政;何喬鵬;;深度哈希在大規(guī)模圖像處理中的應用[A];中國計算機用戶協(xié)會網(wǎng)絡應用分會2017年第二十一屆網(wǎng)絡新技術與應用年會論文集[C];2017年

3 夏斌;王斌;關志峰;;一種基于多維哈希鏈的M-Commerce微支付方案[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

4 吳萬烽;王汝傳;黃海平;孫力娟;;Sead協(xié)議哈希鏈機制的分析與改進[A];第十一屆保密通信與信息安全現(xiàn)狀研討會論文集[C];2009年

5 張嘯;邵健;吳飛;莊越挺;;SSH:基于稀疏譜哈希的圖像索引[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

6 尚鳳軍;潘英俊;;一種雙哈希IP數(shù)據(jù)包分類算法研究[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

7 王國仁;葉峰;王欣暉;于戈;鄭懷遠;;NOW環(huán)境下并行哈希連接算法的設計與實現(xiàn)[A];第十五屆全國數(shù)據(jù)庫學術會議論文集[C];1998年

8 吳萬烽;王汝傳;黃海平;李玲娟;;基于可再生哈希鏈及二次示證方案的安全高效距離向量協(xié)議[A];江蘇省電子學會2010年學術年會論文集[C];2010年

9 何云峰;林朝輝;于俊清;管濤;;基于位置敏感哈希的分布式高維索引方法研究[A];第八屆和諧人機環(huán)境聯(lián)合學術會議（HHME2012)論文集NCMT[C];2012年

10 魏波;;哈希DR1010COD測定儀在COD分析中的應用[A];四川省環(huán)境科學學會二0一一年學術年會論文集[C];2011年

相關重要報紙文章 前2條

1 ;中華人民共和國和約旦哈希姆王國關于建立戰(zhàn)略伙伴關系的聯(lián)合聲明[N];人民日報;2015年

2 韓大慶 李躍坤 顧晨曦;哈希姆:進入南亞市場成本低[N];中國貿易報;2006年

相關博士學位論文 前10條

1 馬雷;面向大規(guī)模圖像哈希學習的理論與方法研究[D];電子科技大學;2019年

2 王家樂;基于哈希學習的跨模態(tài)檢索與標注方法研究[D];華中科技大學;2017年

3 馬超;語義鑒別和相似性保持的哈希方法研究與應用[D];南京理工大學;2017年

4 季劍秋;面向大規(guī)模數(shù)據(jù)相似計算和搜索的哈希方法研究[D];清華大學;2015年

5 付海燕;基于圖像哈希的大規(guī)模圖像檢索方法研究[D];大連理工大學;2014年

6 劉兆慶;圖像感知哈希若干關鍵技術研究[D];哈爾濱工業(yè)大學;2013年

7 姚濤;基于哈希方法的跨媒體檢索研究[D];大連理工大學;2017年

8 陳勇昌;基于不變特征的數(shù)字水印與感知哈希圖像認證技術研究[D];華南理工大學;2014年

9 趙玉鑫;多媒體感知哈希算法及應用研究[D];南京理工大學;2009年

10 張慧;圖像感知哈希測評基準及算法研究[D];哈爾濱工業(yè)大學;2009年

相關碩士學位論文 前10條

1 方楊;基于深度學習的魯棒圖像哈希檢索方法研究[D];華中科技大學;2019年

2 李艷暖;深度分段哈希圖像檢索算法設計與實現(xiàn)[D];華中科技大學;2019年

3 胡志鍇;結合語義保護和關聯(lián)挖掘的跨模態(tài)哈希檢索算法研究[D];華僑大學;2019年

4 袁知洪;基于哈希學習的大規(guī)模圖像檢索[D];重慶郵電大學;2018年

5 許焱;基于哈希的行人重識別[D];電子科技大學;2019年

6 李嘉展;基于深度離散哈希的醫(yī)學影像檢索與平臺實現(xiàn)[D];西安電子科技大學;2019年

7 李逸凡;基于哈希學習的跨模態(tài)檢索技術研究[D];哈爾濱工業(yè)大學;2019年

8 徐祥鋒;基于深度哈希的圖像示例搜索算法研究[D];南京郵電大學;2019年

9 杜佳寧;基于潛在語義學習的跨模態(tài)哈希檢索算法研究[D];大連理工大學;2019年

10 尚斌;弱監(jiān)督跨模態(tài)哈希檢索方法研究[D];西安電子科技大學;2019年

本文編號：2620810