基于CNN和流行排序的圖像檢索算法

　　針對基于內(nèi)容的圖像檢索（ CBIR）中低層視覺特征與用戶對圖像理解的高層語義不一致以及傳統(tǒng)的距離度量方式難以真實(shí)反映圖像之間相似程度等問題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和流形排序的圖像檢索算法。首先，將圖像輸入CNN，通過多層神經(jīng)網(wǎng)絡(luò)對圖像的監(jiān)督學(xué)習(xí)，提取網(wǎng)絡(luò)中全連接層的圖像特征；其次，對圖像特征進(jìn)行歸一化處理，然后用高效流形排序（EMR）算法對查詢圖像所返回的結(jié)果進(jìn)行排序；最后，根據(jù)排序的結(jié)果返回最相似的圖像。在corel數(shù)據(jù)集上，深度圖像特征比基于場景描述的圖像特征的平均查準(zhǔn)率（mAP）提高了53. 74%，流形排序比余弦距離度量方式的mAP提高了18. 34%。實(shí)驗(yàn)結(jié)果表明，所提算法能夠有效地提高圖像檢索的準(zhǔn)確率。