杨馥溢 何 嘉

（成都信息工程大学计算机学院 成都 610225）

1 引言

随着计算机技术的飞速发展，数字图像的信息量越来越大，基于文本的图像检索已不能满足人们的需求。因此各种基于内容的图像检索算法也因此迅速兴起，图像检索的关键步骤是有效的图像特征提取和准确的特征匹配。

首先如何弥合底层像素信息和高层语义信息，早期通过手工的方式来提取特征描述符，在欧式空间内计算这些描述符的欧氏距离，然后根据欧氏距离来判定两张图片是否相似。手工提取特征不但费时费力而且提取的特征往往是不准确的，仍无法去表示图像的高层语义。研究表明卷积神经网络能够学习丰富的中高层图像特征，更好地提取底层像素。其次随着图像数据量越来越大，如何高效地特征匹配，例如卷积神经网络第七层的输出包含丰富的图像信息，但是维度高达1000维，1000维的浮点数向量与1000维的浮点数向量之间求相似度，运算量较大。此时研究人员提出将高维特征向量压缩到低维度空间，并且以01二进制的方式表达，这样在低维空间中计算两个二进制的汉明距离速度非常快，从而可以在一定程度上缓解时效问题。因此，如何构建出一个有效的图像二进制描述符成了关键。本文提出的一个基于深度学习的方法来学习二进制描述符，用于图像检索的研究中。

2 国内外研究现状

特征描述符［1］在计算机视觉中起着重要作用，已被广泛应用于众多的计算机视觉任务，如图像匹配、目标识别和图像检索［2］等。……