基于深度特征分析的双线性图像相似度匹配算法
来源：计算机应用杂志2016年第10期北京时间：
作者：李鸣, 张鸿
单位：1. 武汉科技大学 计算机科学与技术学院, 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 武汉 430065
摘要：基于内容的图像检索一直面临"语义鸿沟"的难题，特征选择对语义学习结果有着直接的影响；而传统距离度量方法往往从单一角度进行相似性计算，不能很好地表示出图像之间的相似度。为了解决以上问题，提出基于深度特征分析的双线性图像相似度匹配的方法。首先，将图像数据集在卷积神经网络模型上进行微调训练，然后利用训练好的卷积神经网络对图像进行特征提取，获得全连接层输出的特征之后，通过双线性相似性度量方法得到图像间相似度的大小，通过对相似度的大小排序，返回最相似的图像实例。在Caltech101和Caltech256数据集上的对比实验显示，所提算法的平均查准率、TopK查准率和查全率均优于对比算法，验证了所提算法的有效性。
关键词：深度神经网络,双线性相似度,图像检索,语义鸿沟,平均查准率
基金资助：国家自然科学基金资助项目（61373109，61003127）。
