融合特征关联性的深度哈希图像表示方法  

Feature relevance fusion based deep hashing for image representation

作　　者：朱杰[1] 张楠楠 刘太行[1] 刘博[2] 吴树芳[3] Zhu Jie;Zhang Nannan;Liu Taihang;Liu Bo;Wu Shufang(Dept.of Information Management,National Police University for Criminal Justice,Baoding Hebei 071000,China;College of Information Science&Technology,Hebei Agricultural University,Baoding Hebei 071000,China;College of Management,Hebei University,Baoding Hebei 071000,China)

机构地区：[1]中央司法警官学院信息管理系,河北保定071000 [2]河北农业大学信息科学与技术学院,河北保定071000 [3]河北大学管理学院,河北保定071000

出　　处：《计算机应用研究》2020年第10期3197-3200,共4页Application Research of Computers

基　　金：国家社会科学基金资助项目(17BTQ068);河北省自然科学基金资助项目(F2018511002,G2018204093);河北省高等学校科学技术研究项目(Z2019037);中央司法警官学院校级科研项目(XYZ201602);河北大学中西部提升综合实力专项;河北省高等学校科学研究项目青年基金资助项目(QN2018084);河北农业大学校理工基金资助项目(LG201804);河北农业大学自主培养人才科研专项资助项目(PY201810);交通数据分析与挖掘北京市重点实验室开放课题。

摘　　要：针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后,算法通过图像类内、类间的相似性关系构造优化,得到最优的阈值,用于将图像表示变为哈希值。实验中,将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对,用于证明此方法的有效性。This paper studied problem that the deep descriptors cannot provide the correlation between the features.This paper proposed a feature relevance fusion based deep hashing method to incorporate the relationship between different deep descriptors into the description of the image contents.Firstly,it extracted the feature maps from the pre-trained network and used for deep descriptor generation.Then,it mapped these descriptors to deep visual words,and also explored the frequent item set based on these deep visual words.Next,it concatenated deep visual words based image representation of discrete values and frequent item set based image representation of binary values to represent an image.Finally,it formulated an optimization based on the intra-class and inter-class similarities between images to obtain the optimal thresholds to convert the image representation into a binary string.Extensive experiments show that compared with some state-of-the-art methods,the proposed method can achieve satisfying retrieval performance in the holiday,Oxford and Paris image databases.

关 键 词：深度特征描述子 深度视觉词图像表示 频繁项集图像表示 优化的阈值 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]