【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(biāo)圖像一直是信息檢索領(lǐng)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(xué)習(xí)在計算機視覺領(lǐng)域取得了巨大成功,因此基于深度學(xué)習(xí)的圖像哈希檢索方法逐漸成為圖像檢索領(lǐng)域的主要研究目標(biāo)。基于深度學(xué)習(xí)的圖像哈希檢索方法通常采用端到端的網(wǎng)絡(luò)模型直接生成二值哈希碼,但與此同時帶來網(wǎng)絡(luò)離散空間不可導(dǎo)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(luò)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(luò)結(jié)構(gòu)與“松弛”哈希生成函數(shù)相結(jié)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(luò)可以進行求導(dǎo)并通過反向傳播算法進行學(xué)習(xí)。(2)改進網(wǎng)絡(luò)的損失函數(shù),通過分類損失和對比損失相結(jié)合,對比損失適宜檢索任務(wù),而分類損失和加入權(quán)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(luò)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(jié)合以上創(chuàng)新點,設(shè)計一個偽孿生網(wǎng)絡(luò),在主網(wǎng)絡(luò)的輸入層前加入空間轉(zhuǎn)換網(wǎng)絡(luò),使網(wǎng)絡(luò)能夠根據(jù)圖像內(nèi)容自適應(yīng)學(xué)習(xí)多種變換信息,增加網(wǎng)絡(luò)的泛化性及魯棒性,使網(wǎng)絡(luò)在較少數(shù)據(jù)集上訓(xùn)練也能獲得很好的檢索性能,同時采用互學(xué)習(xí)訓(xùn)練策略,提高網(wǎng)絡(luò)的訓(xùn)練穩(wěn)定性和加速網(wǎng)絡(luò)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(jié)果表明這些創(chuàng)新點使圖像檢索性能都有一定提升,而結(jié)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(dāng)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(xué)習(xí)在同一個網(wǎng)絡(luò)中實現(xiàn)，通過方向傳播算法不斷優(yōu)化網(wǎng)絡(luò)性能。2.3.1 卷積神經(jīng)網(wǎng)絡(luò)哈希其實最早基于深度學(xué)習(xí)的哈希算法嚴格意義上應(yīng)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(luò)提供的非線性能力學(xué)習(xí)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(luò)哈希（Convolutional Neural Network Hashing，CNNH）[23]算法，基于深度學(xué)習(xí)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(xué)習(xí)的哈希碼和挑選的圖像離散類標(biāo)簽構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練CNN同時進行二值哈希碼擬合和輸入圖片的特征學(xué)習(xí)。作者將二值哈希碼擬合轉(zhuǎn)換成多標(biāo)簽預(yù)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(xué)習(xí)過程將圖像特征表示和哈希學(xué)習(xí)拆分開來，無法發(fā)揮深度學(xué)習(xí)的全部能力。2.3.2 深度神經(jīng)網(wǎng)絡(luò)哈希為了更好發(fā)揮深度學(xué)習(xí)的潛力，2015年HanjiangLai等人在CVPR提出端到端的深度神經(jīng)網(wǎng)絡(luò)哈希算法（Deep Neural Network Hashing，DNNH）[24]。相比于CNNH，DNNH網(wǎng)絡(luò)更深并且將特征學(xué)習(xí)和哈希學(xué)習(xí)在同一個網(wǎng)絡(luò)中實現(xiàn)，網(wǎng)絡(luò)模型結(jié)構(gòu)圖如圖2.5所示：
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)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(quán)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(zhì)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(yīng)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(yīng)用與軟件;2019年11期

6 孫瑤;;深度學(xué)習(xí)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(nèi)容鑒別性能分析[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2012年07期

8 牛夏牧;焦玉華;;感知哈希綜述[J];電子學(xué)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(yīng)用[J];軟件學(xué)報;2011年03期

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

相關(guān)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(shù)[A];第七屆全國信息隱藏暨多媒體信息安全學(xué)術(shù)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(yīng)用[A];中國計算機用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

3 夏斌;王斌;關(guān)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(xué)術(shù)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(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)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(xué)術(shù)會議論文集（技術(shù)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(shè)計與實現(xiàn)[A];第十五屆全國數(shù)據(jù)庫學(xué)術(shù)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(xué)會2010年學(xué)術(shù)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(xué)術(shù)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(yīng)用[A];四川省環(huán)境科學(xué)學(xué)會二0一一年學(xué)術(shù)年會論文集[C];2011年

相關(guān)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(guān)于建立戰(zhàn)略伙伴關(guān)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(mào)易報;2006年

相關(guān)博士學(xué)位論文 前10條

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

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

3 馬超;語義鑒別和相似性保持的哈希方法研究與應(yīng)用[D];南京理工大學(xué);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(xué);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(xué);2014年

6 劉兆慶;圖像感知哈希若干關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);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(xué);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(shù)研究[D];華南理工大學(xué);2014年

9 趙玉鑫;多媒體感知哈希算法及應(yīng)用研究[D];南京理工大學(xué);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(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

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

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

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

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

5 許焱;基于哈希的行人重識別[D];電子科技大學(xué);2019年

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

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

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

本文編號：2620810