基于深度學(xué)習(xí)的視覺(jué)特征在圖像檢索中的應(yīng)用.pdf

1、當(dāng)前的圖像檢索已經(jīng)由單一的基于文本或內(nèi)容檢索逐步向基于文本、內(nèi)容、用戶(hù)傾向以及視覺(jué)需求等綜合特征的方向發(fā)展。并且隨著大數(shù)據(jù)時(shí)代到來(lái)，基于統(tǒng)計(jì)原理的各種機(jī)器學(xué)習(xí)算法得以廣泛應(yīng)用。尤其是基于深度學(xué)習(xí)的視覺(jué)特征以及LTR排序模型的使用，使圖像檢索技術(shù)得到空前的發(fā)展。
　　本文介紹基于深度學(xué)習(xí)的視覺(jué)特征的一個(gè)重要應(yīng)用，對(duì)視覺(jué)相似度特征的基本概念以及相關(guān)生成算法做了詳細(xì)描述，包括其中視覺(jué)特征的稀疏矩陣優(yōu)化方案。然后對(duì)視覺(jué)相似度特征生成的整個(gè)

2、架構(gòu)支持的基礎(chǔ)進(jìn)行介紹。并詳細(xì)描述了架構(gòu)實(shí)現(xiàn)的技術(shù)點(diǎn)，以及策略算法實(shí)現(xiàn)。最后展示了該視覺(jué)相似度特征在圖像檢索系統(tǒng)中的實(shí)際應(yīng)用以及帶來(lái)的檢索效果的提升。介紹了基于深度學(xué)習(xí)的視覺(jué)特征的另外兩個(gè)應(yīng)用。視覺(jué)相似反饋Outlier策略以及基于CDNN網(wǎng)絡(luò)的視覺(jué)文本特征深度學(xué)習(xí)。并分小節(jié)介紹了兩個(gè)應(yīng)用的具體算法步驟以及在實(shí)際檢索效果中增加收益。這些應(yīng)用都是基于深度學(xué)習(xí)的視覺(jué)特征的延伸，其中基于CDNN網(wǎng)絡(luò)的視覺(jué)文本特征深度學(xué)習(xí)，更是對(duì)視覺(jué)特征產(chǎn)生的