典型文献
基于卷积神经网络和LSH的图像检索算法
文献摘要：
为了提高图像检索的准确度和检索效率,提出一种基于卷积神经网络和局部敏感哈希(Locality-Sensitive Hashing,LSH)算法的图像检索算法.使用图像库ImageNet对视觉几何小组16(Visual Geometry Group 16,VGG16)网络进行训练,获取初始化参数.以卷积神经网络为基础,增加哈希层代替VGG16全连接层,获取图像的高维特征向量.利用哈希函数满足p-稳定分布的LSH算法将高维特征向量映射为哈希码,并将相似图像映射到同一个哈希桶中作为粗检候选集,计算并排序候选集中特征向量欧氏距离完成图像检索,从而得到最终的检索结果.实验结果表明,与其他基于不同哈希算法的图像检索算法相比,所提算法具有较高的准确性和较快的检索速度.
文献关键词：
图像检索;卷积神经网络;局部敏感哈希算法;高维特征向量
中图分类号：
作者姓名：
杨荣;张建刚;贾晖
作者机构：
西安邮电大学计算机学院,陕西西安710121;西安热工研究院有限公司电站信息及监控技术部,陕西西安710032
文献出处：
引用格式：
[1]杨荣;张建刚;贾晖-.基于卷积神经网络和LSH的图像检索算法)[J].西安邮电大学学报,2022(02):88-94
A类：
局部敏感哈希算法
B类：
LSH,图像检索,检索算法,Locality,Sensitive,Hashing,ImageNet,对视,视觉几何,Visual,Geometry,Group,VGG16,初始化,全连接层,高维特征向量,哈希函数,向量映射,哈希码,将相,图像映射,射到,同一个,哈希桶,选集,并排,欧氏距离,成图
AB值：
0.314923
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
