公开(公告)号：CN110472088A

公开(公告)日：2019-11-19

申请号：CN201910744494.7

申请日：2019-08-13

Applicant: 南京大学

Inventor： 冯桂焕 ,  宗羿

IPC: G06F16/583 ,  G06F16/55 ,  G06F16/56 ,  G06N3/08

Abstract: 本发明公开一种基于草图的图像检索方法，包括以下步骤：分别训练对应草图和照片的两个CNN的分类模型；使用步骤S1中得到的分类模型构建检索模型，基于quadruplet loss训练检索模型；预处理图像库中图像；单个模型检索；将多个检索模型得到的结果进行融合，得到最终检索结果；本发明依据的理论是减小草图和同类图像所对应的特征向量间距的同时增加草图和异类图像所对应的特征向量间距。与triplet损失相比，quadruplet损失在限制草图和图像的距离，同时关注了图像的异类间距，使得不同类别的图像在最终特征空间中的分布有更高的类别区分度，即产生更大的类间距离和相对较小的类内距离，从而使检索模型具有更好的性能。

公开(公告)号：CN110472088B

公开(公告)日：2023-06-27

申请号：CN201910744494.7

申请日：2019-08-13

Applicant: 南京大学

Inventor： 冯桂焕 ,  宗羿

IPC: G06F16/583 ,  G06F16/55 ,  G06F16/56 ,  G06N3/08

Abstract: 本发明公开一种基于草图的图像检索方法，包括以下步骤：分别训练对应草图和照片的两个CNN的分类模型；使用步骤S1中得到的分类模型构建检索模型，基于quadruplet loss训练检索模型；预处理图像库中图像；单个模型检索；将多个检索模型得到的结果进行融合，得到最终检索结果；本发明依据的理论是减小草图和同类图像所对应的特征向量间距的同时增加草图和异类图像所对应的特征向量间距。与triplet损失相比，quadruplet损失在限制草图和图像的距离，同时关注了图像的异类间距，使得不同类别的图像在最终特征空间中的分布有更高的类别区分度，即产生更大的类间距离和相对较小的类内距离，从而使检索模型具有更好的性能。