基于卷积神经网络约束编码的图像检索方法

文章提出一种基于特征约束编码的图像检索方法,在第一个全连接层后添加一个维度较低的编码层,考虑到编码阶段引入的非线性操作会导致梯度消失的风险,添加分类损失用于防止网络产生梯度消失。另外对编码特征也添加了相应的约束条件提升图像特征的区分度,从而提高特征的表达能力。在Cifar-10和Caltech-256数据集上进行了实验,针对不同长度的哈希编码特征,从网络的分类精度和平均查准率上进行了性能评估,实验结果表明:文章所提出的方法不仅能有效降低特征维数而且能提升特征编码能力,并在Cifar-10数据集上达到0.897 2的检索精度。通过实验分析表明,将图像的特征激活数值进行相应的约束有助于提升特征的区分度,并且添加额外的分类损失能够解决非线性操作产生梯度消失的风险。