导读:本文包含了图像检索论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,神经网络,卷积,特征,深度,函数,征象。
图像检索论文文献综述
李泗兰,郭雅[1]（2019）在《基于深度学习哈希算法的快速图像检索研究》一文中研究指出现在存在的大部分监督哈希是将手工提取的特征转换为哈希值,然后根据图像标签为监督信息得到损失函数,但是手工提取特征以及不完全考虑所有损失的损失函数会降低检索精度。监督哈希算法主要目的是通过训练数据以及数据的标签提升数据与相应哈希的相似度,从而提高检索的相似度。论文提出了一个新的监督哈希算法,将每个图像的多标签转换为二进制向量,通过汉明距离得到成对图像的相似度,放入损失函数中作为监督信息,加上图像特征量化为哈希码时的量化误差以及所有图像哈希码与平衡值的差值,结合以上所有部分生成损失函数,进行网络训练。实验结果显示论文的方法在检索精度上比现有的方法有所提升。(本文来源于《计算机与数字工程》期刊2019年12期）
李超华,田晶晶,姜乐怡[2]（2019）在《基于排序合成的两层体系刑侦图像检索方法》一文中研究指出论文提出一种用于刑侦图像检索的两层体系方法。该方法包含两个步骤,首先使用线性核支持向量机分类器和图像的方位梯度直方图特征判别查询图像的语义类别;其次根据类别在仅包含该语义类图像的数据集上使用按例检索方法进行检索。按例检索时使用了排序合成模型以提高检索效率。在一个包含4501幅,10个语义类的刑侦图像库上进行了初步试验。实验结果表明提出方法的检索精度优于传统的按例检索方法。(本文来源于《计算机与数字工程》期刊2019年12期）
孙洁,丁笑君,杜磊,李秦曼,邹奉元[3]（2019）在《基于卷积神经网络的织物图像特征提取与检索研究进展》一文中研究指出为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。(本文来源于《纺织学报》期刊2019年12期）
曾凡锋,胡胜达,付国涛[4]（2019）在《基于双线性模型的图像检索技术》一文中研究指出为尽可能保留图像的有效信息,解决在传统的基于深度哈希的图像检索方法中,单一的信息流网络结构设计可能引发的部分图像信息缺失的问题,提出一种采用双线性模型网络结构的图像检索方法。两条并行的信息流能够充分对图像信息进行筛选并保留图像的有效信息,在后续的卷积过程中这些有效的图像信息可以得到充分融合,实现改善图像检索效果的目的。CIFAR-10和MNIST数据集上的实验结果表明,该方法相较现有基于深度哈希的图像检索方法有更好的图像检索效果。(本文来源于《计算机工程与设计》期刊2019年11期）
贺周雨,冯旭鹏,刘利军,黄青松[5]（2019）在《基于SHN模型的商品图像检索方法》一文中研究指出近年来电子商务行业快速发展,如何通过图像信息在庞大的商品库中快速、准确地找到所需要的商品具有重要的应用价值。针对商品图像数据规模大、类间数据量差异大、被拍摄商品的尺度相差较大以及压缩图像会损失掉细节信息的特点,提出了一个融合金字塔池化策略与哈希学习的空间金字塔池化哈希网络SHN模型,作为本文商品图像检索方法的特征提取部分。为了提高模型对图像形变的鲁棒性,采用金字塔池化策略实现多尺度特征融合;为了使学习到的哈希码具有更好的独立性,使用量化误差损失及附加权值对哈希编码进行约束。本文方法保留了原始图像信息,解决了图像尺度变化所带来的负面影响,通过哈希编码能够实现快速的商品图像检索,商品图像检索实验中的mAP值达到91.986 3%,完成一次检索所用时间为0.034 856 s,检索性能优于当前主流方法。(本文来源于《计算机工程与科学》期刊2019年11期）
郁延珍[6]（2019）在《基于深度多监督哈希的快速图像检索》一文中研究指出由于较低的检索时间和空间复杂度,哈希方法被广泛应用于大规模图像检索领域。提出深度多监督哈希(Deep Multi-Supervised Hashing,DMSH)方法来学习具有高度判别能力和紧凑的哈希编码,并进行有效的图像检索。设计一个新的卷积神经网络结构来产生相似性保留的哈希编码,用一个识别信号来增加类间距离,用一个验证信号来降低类间距离。同时,通过正则化的方式降低网络输出和二进制哈希编码之间的损失并使二进制哈希值在每一维上均匀分布使网络输出更接近离散的哈希值。在两个数据集上的实验证明了该方法能够快速编码任意新的图像并取得先进的检索结果。(本文来源于《计算机应用与软件》期刊2019年11期）
王明好,王欢,刘睿,孟凡帝,刘莉[7]（2019）在《基于深度学习的镍基合金/NiCrAlY涂层界面图像的识别与检索》一文中研究指出材料基因组设计理念可实现材料多重设计及制备。其中图像识别技术是材料基因工程中一种分析处理技术。金属微观形貌图像可有效表征材料的性能,如采用深度学习技术进行焊缝特征的提取,金属绝缘体的二分类等。其中对于金属材料微观图像,如金相组织[1]等,进行特征提取并量化分析可实现对金属材料性能评价以及寿命评估。MCrAlY型涂层(M=Co,Ni)常用于涡轮叶片系统[2, 3],涂层的寿命对设备的安全运行(本文来源于《第十届全国腐蚀大会摘要集》期刊2019-10-24）
葛芸,马琳,江顺亮,叶发茂[8]（2019）在《基于高层特征图组合及池化的高分辨率遥感图像检索》一文中研究指出高分辨率遥感图像内容复杂,提取特征来准确地表达图像内容是提高检索性能的关键。卷积神经网络(CNN)迁移学习能力强,其高层特征能够有效迁移到高分辨率遥感图像中。为了充分利用高层特征的优点,该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征。首先将高层特征作为特殊的卷积层特征,进而在不同输入尺寸下保留高层输出的特征图;然后将不同高层输出的特征图组合成一个更大的特征图,以综合不同CNN学习到的特征;接着采用最大池化的方法对组合特征图进行压缩,提取特征图中的显着特征;最后,采用主成分分析(PCA)来降低显着特征的冗余度。实验结果表明,与现有检索方法相比,该方法提取的特征在检索效率和准确率上都有优势。(本文来源于《电子与信息学报》期刊2019年10期）
张烨,王树奇,武风波[9]（2019）在《基于圆形感兴趣区域的图像检索算法》一文中研究指出传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显着点,通过对显着点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。(本文来源于《现代电子技术》期刊2019年20期）
李涓楠,赵涓涓,车征,刘继华,唐笑先[10]（2019）在《基于征象信息和深度哈希的肺结节图像检索》一文中研究指出利用传统图像哈希方法对肺结节图像进行检索时,存在不能完整表达肺结节图像关键信息且检索效果欠佳的问题。针对这一情况,提出一种基于征象信息和深度哈希的肺结节CT图像检索方法。使用设计的深度网络对所研究肺结节图像进行深度特征的有效提取和征象类型的分类,将哈希函数嵌入到深度网络中实现哈希码的有效映射,使用特征关联的方式将分类概率值分布相似的待查询图像和训练集图像进行深度特征的关联表示,采用改进的距离度量计算方法衡量候选图像间的相似度,快速返回最匹配的肺结节图像。实验结果表明,所设计检索方法可以实现肺结节图像的高效检索。(本文来源于《计算机工程与设计》期刊2019年10期）
图像检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
论文提出一种用于刑侦图像检索的两层体系方法。该方法包含两个步骤,首先使用线性核支持向量机分类器和图像的方位梯度直方图特征判别查询图像的语义类别;其次根据类别在仅包含该语义类图像的数据集上使用按例检索方法进行检索。按例检索时使用了排序合成模型以提高检索效率。在一个包含4501幅,10个语义类的刑侦图像库上进行了初步试验。实验结果表明提出方法的检索精度优于传统的按例检索方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像检索论文参考文献
[1].李泗兰,郭雅.基于深度学习哈希算法的快速图像检索研究[J].计算机与数字工程.2019
[2].李超华,田晶晶,姜乐怡.基于排序合成的两层体系刑侦图像检索方法[J].计算机与数字工程.2019
[3].孙洁,丁笑君,杜磊,李秦曼,邹奉元.基于卷积神经网络的织物图像特征提取与检索研究进展[J].纺织学报.2019
[4].曾凡锋,胡胜达,付国涛.基于双线性模型的图像检索技术[J].计算机工程与设计.2019
[5].贺周雨,冯旭鹏,刘利军,黄青松.基于SHN模型的商品图像检索方法[J].计算机工程与科学.2019
[6].郁延珍.基于深度多监督哈希的快速图像检索[J].计算机应用与软件.2019
[7].王明好,王欢,刘睿,孟凡帝,刘莉.基于深度学习的镍基合金/NiCrAlY涂层界面图像的识别与检索[C].第十届全国腐蚀大会摘要集.2019
[8].葛芸,马琳,江顺亮,叶发茂.基于高层特征图组合及池化的高分辨率遥感图像检索[J].电子与信息学报.2019
[9].张烨,王树奇,武风波.基于圆形感兴趣区域的图像检索算法[J].现代电子技术.2019
[10].李涓楠,赵涓涓,车征,刘继华,唐笑先.基于征象信息和深度哈希的肺结节图像检索[J].计算机工程与设计.2019
论文知识图
