本發(fā)明涉及圖像檢索領(lǐng)域，尤其是涉及了一種基于無監(jiān)督三元組散列的快速圖像檢索方法。

背景技術(shù)：

隨著信息數(shù)字化技術(shù)、多媒體技術(shù)的廣泛應(yīng)用，計算機網(wǎng)絡(luò)、數(shù)字化圖像設(shè)備如掃描儀、數(shù)字相機等技術(shù)的飛速發(fā)展，各行各業(yè)的大量信息都在以多媒體信息的方式被數(shù)字化。圖像作為最基本、應(yīng)用最廣泛的多媒體信息，已經(jīng)成為了大眾化數(shù)字信息的一種形式，圖像的相關(guān)技術(shù)已經(jīng)廣泛應(yīng)用到工業(yè)制造、醫(yī)療衛(wèi)生、新聞媒體、大眾娛樂和家庭生活等各個方面。因此，面對著大量各式各樣的圖像數(shù)據(jù)庫，我們需要對圖像數(shù)據(jù)進行科學(xué)管理，于是，圖像檢索逐漸成為了人們研究的熱點。傳統(tǒng)的圖像檢索主要依靠關(guān)鍵字和文本信息進行搜索，需要由手工完成標(biāo)注，圖像包含的豐富內(nèi)涵并非少量文本注釋所能表達的，導(dǎo)致檢索時出現(xiàn)歧義性，檢索結(jié)果不能更好地符合人們的要求。

本發(fā)明提出了一種基于無監(jiān)督三元組散列的快速圖像檢索方法，先提出了無監(jiān)督三元組散列(uth)的構(gòu)架，包括通過三元損失學(xué)習(xí)更多的圖像檢索表示法，最小化原始實值特征描述符和所學(xué)習(xí)的散列碼之間的量化損失，保持較高的檢索性能，以及最大化所學(xué)習(xí)的散列碼的信息熵，盡可能多地傳送信息。本發(fā)明提出無監(jiān)督三元組散列(uth)構(gòu)架，不需要經(jīng)過標(biāo)記的訓(xùn)練數(shù)據(jù)，不僅保持了原有的檢索精度，還提高了檢索的效率，能更好地符合人們的檢索需求。

技術(shù)實現(xiàn)要素：

針對檢索時出現(xiàn)歧義性等問題，本發(fā)明的目的在于提供一種基于無監(jiān)督三元組散列的快速圖像檢索方法，先提出了無監(jiān)督三元組散列(uth)的構(gòu)架，包括通過三元損失學(xué)習(xí)更多的圖像檢索表示法，最小化原始實值特征描述符和所學(xué)習(xí)的散列碼之間的量化損失，保持較高的檢索性能，以及最大化所學(xué)習(xí)的散列碼的信息熵，盡可能多地傳送信息。

為解決上述問題，本發(fā)明提供一種基于無監(jiān)督三元組散列的快速圖像檢索方法，其主要內(nèi)容包括：

(一)無監(jiān)督三元組散列(uth)的構(gòu)架；

(二)無監(jiān)督三元損失；

(三)量化損失；

(四)熵損失。

其中，所述的散列法，包括監(jiān)督散列，半監(jiān)督散列和無監(jiān)督散列。

其中，所述的無監(jiān)督三元組散列(uth)的構(gòu)架，包含三個主要組成部分：

(1)通過三元損失學(xué)習(xí)更多的圖像檢索表示法；

(2)最小化原始實值特征描述符和所學(xué)習(xí)的散列碼之間的量化損失，保持較高的檢索性能；

(3)最大化所學(xué)習(xí)的散列碼的信息熵，盡可能多地傳送信息。

進一步地，所述的uth構(gòu)架，同時實現(xiàn)以下三個目標(biāo)：

(1)圖像快速檢索；

(2)精確的二進制特征描述符；

(3)最大化所學(xué)習(xí)的散列碼信息。

進一步地，所述的整體損失函數(shù)，用表示三元損失函數(shù)，表示量化損失函數(shù)，表示熵損失函數(shù)；定義一個整體損失函數(shù)：

其中，α，β和γ是每個對象的參數(shù)。

其中，所述的無監(jiān)督三元損失，為了確保散列碼的辨別性，提出了一種無監(jiān)督的三元組神經(jīng)網(wǎng)絡(luò)；訓(xùn)練集由未標(biāo)記的數(shù)據(jù)構(gòu)成；對于未標(biāo)記集合中的每個圖像、圖像的旋轉(zhuǎn)、來自數(shù)據(jù)集隨機選擇的圖像及其本身形成三元組；可以假設(shè)圖像與圖像的旋轉(zhuǎn)之間的距離小于對圖像的隨機選擇的圖像的距離。

進一步地，所述的三元損失函數(shù)，令(p,p⁺,p^-)表示三元態(tài)；表示散列函數(shù)；具體地說，是錨圖像的特征，和分別是旋轉(zhuǎn)圖像和隨機圖像的特征；三元損失函數(shù)寫為：

其中，表示兩個對象之間的歐幾里德距離，使用l2范數(shù)(測度空間上的平方可積函數(shù)構(gòu)成的函數(shù)空間)來計算距離，m表示選擇的邊距；

在準(zhǔn)備訓(xùn)練數(shù)據(jù)集時，以訓(xùn)練集合中的每個圖像p旋轉(zhuǎn)一定程度，形成一個p⁺，并隨機選擇除了自身以外的一個圖像，形成一個p^-，從而構(gòu)成一個三元組(p,p⁺,p^-)。

其中，所述的量化損失，為了學(xué)習(xí)多個非線性散列函數(shù)，添加一個激活層，然后是散列層；選擇修正線性單元(relu)為激活函數(shù)，通過量化輸出特征，生成二進制散列碼；量化規(guī)則如下所示：

將閾值設(shè)置為0.5，并添加約束來縮小圖像特征量化前后的檢索性能之間的差距。

進一步地，所述的最小量化損失，最小量化損失即被定義為：

其中，n是訓(xùn)練數(shù)據(jù)的數(shù)量，m是散列碼的長度；

損失函數(shù)(4)將每個維度的實際值推送到0或1，因此通過使用量化圖像特征(即散列碼)的檢索性能，使實數(shù)值圖像特征近似于性能。

其中，所述的熵損失，根據(jù)信息理論，當(dāng)信息在代碼中的每個位之間均勻分布時，達到最高熵；因此，較高的熵意味著代碼攜帶更多的信息；添加一個約束來推動輸出二進制代碼中的每一位均勻分布；因此，最大熵損失表示為：

將等式(2)，(4)和(5)代入方程(1)，可以得到總損耗函數(shù)。

附圖說明

圖1是本發(fā)明一種基于無監(jiān)督三元組散列的快速圖像檢索方法的系統(tǒng)框架圖。

圖2是本發(fā)明一種基于無監(jiān)督三元組散列的快速圖像檢索方法的無監(jiān)督三元組散列(uth)構(gòu)架。

具體實施方式

需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互結(jié)合，下面結(jié)合附圖和具體實施例對本發(fā)明作進一步詳細說明。

圖1是本發(fā)明一種基于無監(jiān)督三元組散列的快速圖像檢索方法的系統(tǒng)框架圖。主要包括無監(jiān)督三元組散列(uth)的構(gòu)架，無監(jiān)督三元損失，量化損失和熵損失。

散列法包括監(jiān)督散列，半監(jiān)督散列和無監(jiān)督散列。

無監(jiān)督三元損失，為了確保散列碼的辨別性，提出了一種無監(jiān)督的三元組神經(jīng)網(wǎng)絡(luò)；訓(xùn)練集由未標(biāo)記的數(shù)據(jù)構(gòu)成；對于未標(biāo)記集合中的每個圖像、圖像的旋轉(zhuǎn)、來自數(shù)據(jù)集隨機選擇的圖像及其本身形成三元組；可以假設(shè)圖像與圖像的旋轉(zhuǎn)之間的距離小于對圖像的隨機選擇的圖像的距離。

令(p,p⁺,p^-)表示三元態(tài)；表示散列函數(shù)；具體地說，是錨圖像的特征，和分別是旋轉(zhuǎn)圖像和隨機圖像的特征；三元損失函數(shù)寫為：

其中，表示兩個對象之間的歐幾里德距離，使用l2范數(shù)(測度空間上的平方可積函數(shù)構(gòu)成的函數(shù)空間)來計算距離，m表示選擇的邊距；

在準(zhǔn)備訓(xùn)練數(shù)據(jù)集時，以訓(xùn)練集合中的每個圖像p旋轉(zhuǎn)一定程度，形成一個p⁺，并隨機選擇除了自身以外的一個圖像，形成一個p^-，從而構(gòu)成一個三元組(p,p⁺,p^-)。

量化損失，為了學(xué)習(xí)多個非線性散列函數(shù)，添加一個激活層，然后是散列層；選擇修正線性單元(relu)為激活函數(shù)，通過量化輸出特征，生成二進制散列碼；量化規(guī)則如下所示：

將閾值設(shè)置為0.5，并添加約束來縮小圖像特征量化前后的檢索性能之間的差距。

最小量化損失即被定義為：

其中，n是訓(xùn)練數(shù)據(jù)的數(shù)量，m是散列碼的長度；

損失函數(shù)(3)將每個維度的實際值推送到0或1，因此通過使用量化圖像特征(即散列碼)的檢索性能，使實數(shù)值圖像特征近似于性能。

熵損失，根據(jù)信息理論，當(dāng)信息在代碼中的每個位之間均勻分布時，達到最高熵；因此，較高的熵意味著代碼攜帶更多的信息；添加一個約束來推動輸出二進制代碼中的每一位均勻分布；因此，最大熵損失表示為：

將等式(1)，(3)和(4)代入方程(5)，可以得到總損耗函數(shù)。

圖2是本發(fā)明一種基于無監(jiān)督三元組散列的快速圖像檢索方法的無監(jiān)督三元組散列(uth)構(gòu)架。uth包含三個主要組成部分：

(1)通過三元損失學(xué)習(xí)更多的圖像檢索表示法；

(2)最小化原始實值特征描述符和所學(xué)習(xí)的散列碼之間的量化損失，保持較高的檢索性能；

(3)最大化所學(xué)習(xí)的散列碼的信息熵，盡可能多地傳送信息。

其同時實現(xiàn)以下三個目標(biāo)：

(1)圖像快速檢索；

(2)精確的二進制特征描述符；

(3)最大化所學(xué)習(xí)的散列碼信息。

用表示三元損失函數(shù)，表示量化損失函數(shù)，表示熵損失函數(shù)；定義一個整體損失函數(shù)：

其中，α，β和γ是每個對象的參數(shù)。

對于本領(lǐng)域技術(shù)人員，本發(fā)明不限制于上述實施例的細節(jié)，在不背離本發(fā)明的精神和范圍的情況下，能夠以其他具體形式實現(xiàn)本發(fā)明。此外，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍，這些改進和變型也應(yīng)視為本發(fā)明的保護范圍。因此，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。