结合改进CNN和双线性模型的CBIR方法

来源：计算机工程与应用杂志2019年第16期北京时间：

作者：蔡鹏飞，叶剑锋

单位：1.河南工学院 计算机科学技术系，河南 新乡 453002；2.南京航空航天大学 机电学院，南京 210016

摘要：针对现有基于内容的图像检索（Content-Based Image Retrieval，CBIR）方法中图像特征维度较大等问题，提出一种结合改进卷积神经网络（Convolutional Neural Network，CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程，以此降低图像特征映射的维度。基于双线性模型的思想，使用两个特征提取器进行特征提取，并在每个图像位置上对两个特征进行内积，以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性，获得相关图像及其排序。实验结果表明，该方法能够准确检索出相关图像，并具有较低的检索时间和内存消耗。

关键词：基于内容的图像检索（CBIR）,卷积神经网络（CNN）,双线性模型,低维度图像表示,曼哈顿距离