基于深度哈希算法的极光图像分类与检索方法

基于深度哈希算法的极光图像分类与检索方法

TN911.73; 面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义.该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索.首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2020-12, Vol.42 (12), p.3029-3036
Hauptverfasser: 陈昌红, 彭腾飞, 干宗良
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 3036
container_issue 12
container_start_page 3029
container_title 电子与信息学报
container_volume 42
creator 陈昌红
彭腾飞
干宗良
description TN911.73; 面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义.该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索.首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息来设计损失函数,联合分类层和哈希层的损失作为优化目标,使哈希码之间可以保持更好的语义相似性,有效提升了检索性能.在极光数据集和CIFAR-10数据集上的实验结果表明,所提出方法检索性能优于其他现有检索方法,同时能够有效用于极光图像分类.
doi_str_mv 10.11999/JEIT190984
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dzkxxk202012026</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dzkxxk202012026</wanfj_id><sourcerecordid>dzkxxk202012026</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1026-b08995449ae1476f95a4719249c315050432faf4ac3d18fa45d441d256ebc1ae3</originalsourceid><addsrcrecordid>eNotjbtKA1EURW-hYIip_Air0XPua-aAjYSokYBNrMOdl2hkBAcxWCk-SEBiISooKChYCkHBOIJfkzvzGw5os1ezWJuxOYQFRCJaXG8020hAnpxiFQQgR3mkZ1gtTbd94AK1CyAqbMk-ZZNsmH-ObPZqr_t2fFm83eXvN8X9Wf54Ys8H9uHHnl7Z_kUx-p6Mh_nLcfHxnN9-lc4sm47NbhrV_lllmyuNdn3NaW2sNuvLLSdF4NrxwSNSUpKJULo6JmWki8QlBQIVKJCCxyaWJhAherGRKpQSQ6505AdoIlFl83_dQ5PEJtnq7Owd7CflYyc86vZ6XQ4csBwtfgF-kl0Y</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于深度哈希算法的极光图像分类与检索方法</title><source>Alma/SFX Local Collection</source><creator>陈昌红 ; 彭腾飞 ; 干宗良</creator><creatorcontrib>陈昌红 ; 彭腾飞 ; 干宗良</creatorcontrib><description>TN911.73; 面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义.该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索.首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息来设计损失函数,联合分类层和哈希层的损失作为优化目标,使哈希码之间可以保持更好的语义相似性,有效提升了检索性能.在极光数据集和CIFAR-10数据集上的实验结果表明,所提出方法检索性能优于其他现有检索方法,同时能够有效用于极光图像分类.</description><identifier>ISSN: 1009-5896</identifier><identifier>DOI: 10.11999/JEIT190984</identifier><language>chi</language><publisher>南京邮电大学通信与信息工程学院 南京 210003</publisher><ispartof>电子与信息学报, 2020-12, Vol.42 (12), p.3029-3036</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dzkxxk/dzkxxk.jpg</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids></links><search><creatorcontrib>陈昌红</creatorcontrib><creatorcontrib>彭腾飞</creatorcontrib><creatorcontrib>干宗良</creatorcontrib><title>基于深度哈希算法的极光图像分类与检索方法</title><title>电子与信息学报</title><description>TN911.73; 面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义.该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索.首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息来设计损失函数,联合分类层和哈希层的损失作为优化目标,使哈希码之间可以保持更好的语义相似性,有效提升了检索性能.在极光数据集和CIFAR-10数据集上的实验结果表明,所提出方法检索性能优于其他现有检索方法,同时能够有效用于极光图像分类.</description><issn>1009-5896</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2020</creationdate><recordtype>article</recordtype><recordid>eNotjbtKA1EURW-hYIip_Air0XPua-aAjYSokYBNrMOdl2hkBAcxWCk-SEBiISooKChYCkHBOIJfkzvzGw5os1ezWJuxOYQFRCJaXG8020hAnpxiFQQgR3mkZ1gtTbd94AK1CyAqbMk-ZZNsmH-ObPZqr_t2fFm83eXvN8X9Wf54Ys8H9uHHnl7Z_kUx-p6Mh_nLcfHxnN9-lc4sm47NbhrV_lllmyuNdn3NaW2sNuvLLSdF4NrxwSNSUpKJULo6JmWki8QlBQIVKJCCxyaWJhAherGRKpQSQ6505AdoIlFl83_dQ5PEJtnq7Owd7CflYyc86vZ6XQ4csBwtfgF-kl0Y</recordid><startdate>20201201</startdate><enddate>20201201</enddate><creator>陈昌红</creator><creator>彭腾飞</creator><creator>干宗良</creator><general>南京邮电大学通信与信息工程学院 南京 210003</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20201201</creationdate><title>基于深度哈希算法的极光图像分类与检索方法</title><author>陈昌红 ; 彭腾飞 ; 干宗良</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1026-b08995449ae1476f95a4719249c315050432faf4ac3d18fa45d441d256ebc1ae3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2020</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>陈昌红</creatorcontrib><creatorcontrib>彭腾飞</creatorcontrib><creatorcontrib>干宗良</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电子与信息学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>陈昌红</au><au>彭腾飞</au><au>干宗良</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于深度哈希算法的极光图像分类与检索方法</atitle><jtitle>电子与信息学报</jtitle><date>2020-12-01</date><risdate>2020</risdate><volume>42</volume><issue>12</issue><spage>3029</spage><epage>3036</epage><pages>3029-3036</pages><issn>1009-5896</issn><abstract>TN911.73; 面对形态万千、变化复杂的海量极光数据,对其进行分类与检索为进一步研究地球磁场物理机制和空间信息具有重要意义.该文基于卷积神经网络(CNN)对图像特征提取方面的良好表现,以及哈希编码可以满足大规模图像检索对检索时间的要求,提出一种端到端的深度哈希算法用于极光图像分类与检索.首先在CNN中嵌入空间金字塔池化(SPP)和幂均值变换(PMT)来提取图像中多种尺度的区域信息;其次在全连接层之间加入哈希层,将全连接层最能表现图像的高维语义信息映射为紧凑的二值哈希码,并在低维空间使用汉明距离对图像对之间的相似性进行度量;最后引入多任务学习机制,充分利用图像标签信息和图像对之间的相似度信息来设计损失函数,联合分类层和哈希层的损失作为优化目标,使哈希码之间可以保持更好的语义相似性,有效提升了检索性能.在极光数据集和CIFAR-10数据集上的实验结果表明,所提出方法检索性能优于其他现有检索方法,同时能够有效用于极光图像分类.</abstract><pub>南京邮电大学通信与信息工程学院 南京 210003</pub><doi>10.11999/JEIT190984</doi><tpages>8</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1009-5896
ispartof 电子与信息学报, 2020-12, Vol.42 (12), p.3029-3036
issn 1009-5896
language chi
recordid cdi_wanfang_journals_dzkxxk202012026
source Alma/SFX Local Collection
title 基于深度哈希算法的极光图像分类与检索方法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-04T01%3A23%3A43IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%93%88%E5%B8%8C%E7%AE%97%E6%B3%95%E7%9A%84%E6%9E%81%E5%85%89%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%B8%8E%E6%A3%80%E7%B4%A2%E6%96%B9%E6%B3%95&rft.jtitle=%E7%94%B5%E5%AD%90%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%AD%A6%E6%8A%A5&rft.au=%E9%99%88%E6%98%8C%E7%BA%A2&rft.date=2020-12-01&rft.volume=42&rft.issue=12&rft.spage=3029&rft.epage=3036&rft.pages=3029-3036&rft.issn=1009-5896&rft_id=info:doi/10.11999/JEIT190984&rft_dat=%3Cwanfang_jour%3Edzkxxk202012026%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dzkxxk202012026&rfr_iscdi=true