一种融合Faster-RCNN和Wasserstein自编码器的图像检索方法

发明专利有效专利

申请号：
CN201810926656.4
IPC分类号：G06F16/583;G06F16/51;G06K9/62;G06N3/04;G06N3/08
申请日期：
2018-08-15
申请人：
重庆大学;桂林电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种融合Faster-RCNN和Wasserstein自编码器的图像检索方法
申请号	CN201810926656.4	申请日期	2018-08-15
法律状态	授权	申报国家	中国
公开/公告日	2018-12-25	公开/公告号	CN109086437A
优先权	暂无	优先权号	暂无
主分类号	G06F16/583	IPC分类号	G;0;6;F;1;6;/;5;8;3;;;G;0;6;F;1;6;/;5;1;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	重庆大学;桂林电子科技大学	申请人地址	重庆市沙坪坝区沙正街174号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆大学,桂林电子科技大学	当前权利人	重庆大学,桂林电子科技大学
发明人	冯永;张逸扬;尚家兴;强保华;邱媛媛
代理机构	重庆市前沿专利事务所（普通合伙）	代理人	郭云

摘要

本发明公开一种融合Faster‑RCNN(Faster‑Regions with Convolutional Neural Network,快速区域卷积神经网络)和Wasserstein自编码器的图像检索方法。本发明搭建深度学习框架，采用Faster‑RCNN模型提取图像特征；对Faster‑RCNN模型进行训练，微调网络权重；提取图像的全局特征，构建图像的全局特征图库；构建Wasserstein自编码器，并对Wasserstein自编码器进行训练；采用Wasserstein自编码器对全局特征进行降维，计算欧几里得距离得出第一相似度，并进行第一次排序，完成图像的粗粒度检索；提取图像中候选区域的特征作为局部特征，构建图像的局部特征图库；采用Wasserstein自编码器对局部特征进行降维，计算第二相似度并进行第二次排序，完成图像的细粒度检索。该方法能加快图像的检索速度以及提高图像检索的准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供