基于深度学习的特征表示与目标检索技术研究

《基于深度学习的特征表示与目标检索技术研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、密级••保密期限;遞耆部fAf硕士学位论文题目：基于深度学习的特征表示与目标检索技术研究学号：2014110046姓名：胡焜专业：信息与通信工程导师：董远学院：信息与通信工程学院2016年11月27日中国•北京保密期限:题目：基于深度学习的特征表示与目标检索技术研究学号:2014110046姓名：胡焜专业：信息与通信工程导师：董远学院：信息与通信工程学院2016年11月27日硕士学位论文独创性（或创新性）声明本人声明所呈交的论文是本人在导师指导下进行的研宄工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研宄成果，也

2、不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研宄所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：戍日期：关于论文使用授权的说明本人完全了解并同意北京邮电大学有关保留、使用学位论文的规定，即：北京邮电大学拥有以下关于学位论文的无偿使用权，具体包括：学校有权保留并向国家有关部门或机构送交学位论文，有权允许学位论文被査阅和借阅；学校可以公布学位论文的全部或部分内容，有权允许采用影印、缩印或其它复制手段保存、汇编学位论文，将学位论文的全部或部分内容编入有关数据库进行检索。（保

3、密的学位论文在解密后遵守此规定）日期：基于深度学习的特征表示与目标检索技术研究摘要基于内容的图像检索技术一直是一个热门研宄方向，在如今互联网络图片及视频资源呈现爆炸式增长的大背景下，CBIR技术能够帮助人们更快更准确地获取到自己想要的信息。深度学习近几年非常火热，强大的特征学习能力以及非线性特征表达能力，使得深度学习在计算机视觉领域的多个分支都实现了突破。本文主要是研宄基于深度学习的特征表示以及其在图像检索中的应用。一个有效的图像检索系统分为两个部分：一个是具备强大表征能力的特征；一个是快速的检索过程。本文主要从这两个方面着手研究。在特征提取方面，本文首先研究CNN中不同层之间的

4、表达能力差异，然后提出一种多层次的池化方法以及多层特征融合的方法，并采用PCA即LDA降维方法对特征进行过滤；在快速检索方面，本文提出一种基于深度学习的哈希技术，用卷积神经网络同时进行特征学习以及哈希函数学习。具体地，本文的主要工作概括如下：>研究卷积神经网络中不同层的特征表达能力差异，并发现相比于全连接层的特征而言，卷积通道特征对于图像检索问题而言更为有效；>提出一种多层次池化方法用于特征提取，将卷积图中的局部区域特征与全图的全局特征融合在一起，使得特征更具鲁棒性，在多个数据及上验证了其效果；>提出一种多层特征融合的方法，通过结合低层的视觉特征以及高层语义特征，提升了最终特征的

5、泛化能力，在多个数据集上多层融合特征对于性能都有提升；>提出一种区域感知的深度哈希技术，结合图像目标候选区域提取算法，Rolpooling,多标签分类损失函数以及加权三元组损失函数，使得网络能够同时进行特征学习以及哈希函数学习。关键词：卷积神经网络，图像检索，多层次池化，深度哈希DEEPLEARNINGBASEDFEATUREREPRESENTATIONANDOBJECTRETRIEVALABSTRACTContent-basedimageretrievaltechnologyhasalwaysbeenapopularresearchdirection.Nowadays,theC

6、BIRtechnologycanhelppeoplegettheinformationtheywantmorequicklyandaccurately,underthebackgroundofexplosivegrowthofInternetpicturesandvideoresources.Deeplearningisveryhotinrecentyears.DuetotheStrongfeaturelearningabilityandnonlinearfeaturerepresentationability,deeplearninghasachievedahugeimprov

7、ementincomputervision.Inthispaper,wemainlystudythefeaturerepresentationbasedondeeplearninganditsapplicationinimageretrieval.Aneffectiveimageretrievalsystemisdividedintotwoparts:oneisapowerfulimagerepresentation;theotherisafastretrievalprocess