基于弱監(jiān)督深度學(xué)習(xí)的圖像檢索方法研究.pdf

1、基于內(nèi)容的圖像檢索一直是學(xué)術(shù)界的研究熱點(diǎn)問(wèn)題。其核心問(wèn)題是，如何讓計(jì)算機(jī)像人一樣準(zhǔn)確地理解圖像的含義。近年來(lái)，深度學(xué)習(xí)技術(shù)在圖像上的應(yīng)用取得了矚目的成績(jī)，涌現(xiàn)出一批基于內(nèi)容的圖像檢索(CBIR)系統(tǒng)，如百度識(shí)圖等?！熬矸e神經(jīng)網(wǎng)絡(luò)+哈希學(xué)習(xí)”已成為解決圖像檢索最有效的方法之一。然而，現(xiàn)有的系統(tǒng)(如百度識(shí)圖)多采用有監(jiān)督學(xué)習(xí)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以高昂的人力標(biāo)注成本換取神經(jīng)網(wǎng)絡(luò)的優(yōu)異表現(xiàn)。另外，傳統(tǒng)的無(wú)監(jiān)督學(xué)習(xí)技術(shù)不能很好地反應(yīng)圖像高層次語(yǔ)義信息，

2、因此較少被圖像檢索模型采用。隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，如果能夠利用大規(guī)模用戶主導(dǎo)產(chǎn)生的弱標(biāo)注數(shù)據(jù)實(shí)現(xiàn)圖像檢索將會(huì)節(jié)約大量人力標(biāo)注成本。但是，盡管弱標(biāo)簽數(shù)據(jù)含有圖像的語(yǔ)義信息，其中仍存在非視覺(jué)性語(yǔ)義標(biāo)簽和標(biāo)簽含義模糊(同義詞、一詞多義)等問(wèn)題。
　　本文提出一套弱監(jiān)督學(xué)習(xí)框架，利用用戶產(chǎn)生的弱標(biāo)注信息訓(xùn)練神經(jīng)網(wǎng)絡(luò)。具體步驟如下:一、本文使用詞袋(BoW)模型將圖像表示為向量形式，通過(guò)形成視覺(jué)詞袋模型，計(jì)算每個(gè)標(biāo)簽對(duì)應(yīng)圖像集的TF-I

3、DF向量的內(nèi)聚距離、分離距離，通過(guò)比對(duì)標(biāo)簽間TF-IDF向量質(zhì)心距離的大小，去除非視覺(jué)性語(yǔ)義標(biāo)簽。二、通過(guò)將標(biāo)簽表示為語(yǔ)義詞向量來(lái)計(jì)算圖像之間的語(yǔ)義相似關(guān)系，形成相似對(duì)和不相似對(duì)集合。三、根據(jù)語(yǔ)義相似關(guān)系訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(CNN)。本文的CNN模型輸出層為圖像的哈希編碼。訓(xùn)練目標(biāo)為:讓語(yǔ)義相似的圖像對(duì)的漢明距離盡量接近，而語(yǔ)義不相似的則相互遠(yuǎn)離。通過(guò)動(dòng)量梯度下降算法迭代更新目標(biāo)函數(shù)。將圖像映射為哈希碼后，通過(guò)比對(duì)圖像間的哈希碼實(shí)現(xiàn)快速圖