龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学技术大学
摘要：本发明公开了一种基于卷积神经网络的图像检索重排序方法，包括：截取原始的检索结果列表，保留前L个结果，依据L个结果的特征的相似性，将L个结果表示为相似性矩阵，再根据相似性矩阵，计算对应的相关系数矩阵；将相关系数矩阵输入至预先训练好的卷积神经网络中，预测L个结果与查询图像的相关度，基于相关度大小对L个结果重排序，再与原始的检索结果列表中剩余部分组合在一起，获得对应的重排序结果；设置不同的L值，对于不同L值对应的重排序结果，基于图像检索质量评价的方法，选出检索质量最高的作为最终重排序结果。该方法能够在保证重排序性能的同时保证检索系统要求的实时性，并且该方法可应用于通用的检索系统。
主权项：1.一种基于卷积神经网络的图像检索重排序方法，其特征在于，包括：截取原始的检索结果列表，保留前L个结果，依据L个结果的特征的相似性，将L个结果表示为相似性矩阵，再根据相似性矩阵，计算对应的相关系数矩阵；将相关系数矩阵输入至预先训练好的卷积神经网络中，预测L个结果与查询图像的相关度，基于相关度大小对L个结果重排序，再与原始的检索结果列表中剩余部分组合在一起，获得对应的重排序结果；设置不同的L值，对于不同L值对应的重排序结果，基于图像检索质量评价的方法，选出检索质量最高的作为最终重排序结果；所述卷积神经网络的标签为原始的检索结果列表中真实的相关度矩阵G，其第i行第j列元素记为Gi,j；若L个结果第i个与第j个图像相关，则相关系数矩阵对应位置的Gi,j为1，否则为0，即： 所述卷积神经网络包括三个卷积层，前两个卷积层后接一个Relu层，最后一个卷积层后接sigmoid层，以将网络输出归一化至0-1之间；卷积神经网络加权的MSE损失函数训练： 其中，ω为惩罚系数，Gi,j为真实相关度矩阵G中第i行第j列的元素，Yi,j为卷积神经网络输出的相关度预测矩阵Y中第i行第j列的元素。
全文数据：
权利要求：
百度查询： 中国科学技术大学 基于卷积神经网络的图像检索重排序方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号