| 基于深度学习的图像检索研究 |
| 孙奇平
|
| 2018-06-15
|
| 发表期刊 | 景德镇学院学报
 |
| ISSN | 2095-9699
|
| 卷号 | 33期号:03页码:15-18 |
| 摘要 | 移动互联等新一代信息技术的广泛深入使用,带来了海量的图像数据。利用传统的CBIR检索方法,已满足不了人们对海量图像的检索需求。本文介绍了基于深度学习的图像检索方法,对CNN模型Alex Net进行改进。采用改进后的模型对CALTECH101和COREL数据集进行训练,提高了训练速度和正确率。对模型输出的CNN特征进行降维处理采用PCA算法。实验结果表明,本文方法明显优于基于GIST特征,对CNN特征进行降维后,能有效提高检索性能。 |
| 关键词 | 图像检索
深度学习
卷积神经网络
Caffe
主成分分析
|
| URL | 查看原文
|
| 语种 | 中文
|
| 原始文献类型 | 学术期刊
|
| 文献类型 | 期刊论文
|
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/55448
|
| 专题 | 国家开放大学福建分部
|
| 作者单位 | 福建广播电视大学漳州分校理工系
|
| 第一作者单位 | 国家开放大学福建分部
|
| 第一作者的第一单位 | 国家开放大学福建分部
|
推荐引用方式
GB/T 7714 |
孙奇平. 基于深度学习的图像检索研究[J].
景德镇学院学报,2018,33(03):15-18.
|
| APA |
孙奇平.(2018).基于深度学习的图像检索研究.景德镇学院学报,33(03),15-18.
|
| MLA |
孙奇平."基于深度学习的图像检索研究".景德镇学院学报 33.03(2018):15-18.
|
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论