声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：彭天强,孙晓峰,栗芳,
关键词：全卷积网络, 目标检索, 特征矩阵, 目标定位, 多比例变换,
基于预训练卷积神经网络(convolutionalneuralnetworks，CNNs)的图像表示已成为图像检索任务中一种新的方法，但是这种图像表示方法均是对图像的整体特征表示，无法适用于目标仅占被检索图像的部分区域的检索.为了解决该问题，提出一种基于全卷积网络的中小目标检索方法，该方法将预训练全卷积网络应用于目标较小、仅占被检索图像部分区域的检索.1)利用全卷积网络对输入图像大小不受限制的优势，给定被检索图像，经过全卷积网络得到该图像的特征矩阵表示；2)给定查询目标图像，利用全卷积神经网络，得到目标图像的特征表示；3)将目标特征，与被检索图像的特征矩阵的每一个特征进行相似性比对，得到相似值和匹配最优位置.进一步引入多尺度、多比例变换以适用不同大小的实例目标.在标准数据集Oxford5K上的实验表明:该算法的检索性能优于现有算法.另外，在搜集的Logo数据集，该算法得到了不错的检索效果，进一步验证了算法的普适性和有效性.
来源：2018年第12期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。