基于深度特征加权的图像表示方法

作者：朱杰; 赵相坤; 谢博鋆; 吴树芳^*

来源：郑州大学学报(理学版）, 2020, 52(01): 47-53.

DOI：10.13705/j.issn.1671-6841.2019164

• 卷积神经网络
• 图像检索
• 特征加权
• 池化

卷积神经网络可以在图像检索中为图像内容提供有效的表示,基于该理论提出一种基于深度特征加权的图像表示方法,此方法通过对深度特征加权,突出图像表示中对象的内容,并降低背景信息的影响。首先,通过预训练卷积神经网络提取出图像的特征映射,然后根据不同特征映射的特点,计算出深度特征的位置重要性、区域重要性和通道重要性,并根据3种重要性对深度特征进行加权,最后通过池化与深度特征聚合的方式生成图像表示。实验结果表明,与其他图像表示方法相比,提出的方法在Holiday、Oxford和Paris图像库中取得了更好的检索效果。

• 单位
  中央司法警官学院; 河北大学; 生物医学工程学院; 首都医科大学