面向大规模图像检索的深度多尺度注意力哈希网络 |
| |
作者姓名: | 冯浩 王年 唐俊 |
| |
作者单位: | 安徽财经大学 管理科学与工程学院, 安徽 蚌埠233030;安徽大学 电子信息工程学院, 安徽 合肥230601;安徽大学 电子信息工程学院, 安徽 合肥230601 |
| |
基金项目: | 国家重点研发计划项目(2018YFC0807302);;国家自然科学基金资助项目(61772032); |
| |
摘 要: | 针对现有哈希方法所存在的特征提取能力有限、量化约束机制低效等问题,提出一个深度多尺度注意力哈希网络进行大规模图像检索。整个网络由主分支和对象分支两个子网络组成。其中,在主分支网络中加入多尺度注意力定位和显著性区域提取两个模块,以有效定位和提取图像中的显著性区域,并将执行结果送入对象分支网络学习更为丰富的细节特征;同时,将两个子网络学习到的多粒度特征进行融合并执行二进制哈希编码;此外,引入三元组量化约束以减少量化误差,同时保持成对样本的相似度关系。为验证方法的有效性,文中在两个基准数据集上进行了广泛实验。实验结果表明,所提方法优于大部分现有的哈希检索方法。
|
关 键 词: | 深度学习 图像检索 哈希 注意力 量化 |
本文献已被 万方数据 等数据库收录! |
|