科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着互联网图像的增多，线性复杂度的最近邻图像检索已很难满足大规模图像检索的性能需求。为了在大规模图像检索任务下保证精度的同时减少检索的时间，提出一种基于乘积量化的近似最近邻图像检索模型。首先通过卷积神经网络初步提取图像特征。然后通过卷积注意力模块对特征进行处理得到增强后的图像特征。接着根据图像本身的语义结构对神经网络进行训练，再通过训练好的神经网络提取图像的语义特征，并使用随机优化乘积量化方法对语义特征进行处理，最终得到与输入图像相似的检索结果。最后，通过在大规模数据集NUS-WIDE上与其他模型进行比较分析，实验结果表明所提模型在大数据图像检索时可以提高检索精度，同时降低检索时间。
- 单位
