公开(公告)号：CN105574215A

公开(公告)日：2016-05-11

申请号：CN201610127023.8

申请日：2016-03-04

申请人： 哈尔滨工业大学深圳研究生院

发明人： 徐勇 ,  顾一凡

IPC分类号： G06F17/30 ,  G06K9/62

摘要： 本发明涉及计算机视觉技术领域，尤其涉及一种基于多层特征表示的实例级图像搜索方法。本发明提出了一个通过深度卷积神经网络模型学习图像不同层次的特征表示，进行实例级的图像搜索的方法，使之能有效的找到相同物品的不同图像；本发明在传统网络模型基础上引入了一种编码学习过程，通过对来自于多个卷积层的特征进行自动编码，使得提取的特征更具有鲁棒性，降低背景和噪声数据对特征的影响，同时兼具局部信息和类别信息；本发明还提出了一种基于多任务的损失函数，并通过优化该函数，使学习到的特征拥有很好的泛化性能，也使学习到的特征很好的用于区分类间图像以及类内不同事物的图像。

公开(公告)号：CN105574215B

公开(公告)日：2019-11-12

申请号：CN201610127023.8

申请日：2016-03-04

申请人： 哈尔滨工业大学深圳研究生院

发明人： 徐勇 ,  顾一凡

IPC分类号： G06F16/583 ,  G06K9/62

摘要： 本发明涉及计算机视觉技术领域，尤其涉及一种基于多层特征表示的实例级图像搜索方法。本发明提出了一个通过深度卷积神经网络模型学习图像不同层次的特征表示，进行实例级的图像搜索的方法，使之能有效的找到相同物品的不同图像；本发明在传统网络模型基础上引入了一种编码学习过程，通过对来自于多个卷积层的特征进行自动编码，使得提取的特征更具有鲁棒性，降低背景和噪声数据对特征的影响，同时兼具局部信息和类别信息；本发明还提出了一种基于多任务的损失函数，并通过优化该函数，使学习到的特征拥有很好的泛化性能，也使学习到的特征很好的用于区分类间图像以及类内不同事物的图像。