苏勇刚,高茂庭

1(常州工业职业技术学院,常州 213164)

2(上海海事大学,上海 201306)

随着大数据时代的到来,庞大数据集的图像检索已经广泛应用于计算机视觉[1]和人工智能[2]等先进领域.如何从这个大数据库的数字资源中快速检索到用户需要的图像信息和提高图像检索效率,就成为了计算机视觉一个亟待解决的问题.

在图像库中,查找具有包含指定内容或特征图像的这个过程,定义为图像检索.其中图像之间的相似度值高低对一个图像检索算法的性能起着至关重要的作用.目前的图像检索方法分为早期的监督图像检索和无监督图像检索方法.监督图像检索方法中使用的图像是人工标记的,而无监督图像检索所使用的是基于深度特征的.在计算机视觉领域,起初的图像检索是根据图像的低级特征(人工特征)来检索,比如SIFT[3]、Bow[4]和VLAD[5],作为特征提取的主流算法,取得了一定的成效,但其效果仍然不能令人满意.传统图像检索效果不佳的原因是低级特征无法表达图像的内容,所以图像检索的深度特征逐渐取代低级特征,目前神经网络提取深度特征能力得到广大科研人员的认可.

随着机器学习的迅猛发展,图像检索领域运用了卷积神经网络模型,代表性的模型有Alex Net[6]和VGG-Net[7]等.CNN 模型大多数都被用来确定每一目标的位置和类别.比如CNN 学习SIFT 特征[8]和深度特征,利用学习来的图像特征来做目标检测,成功应用于艺术品的图像分类.但是,CNN 算法存……