u8,u8国际,u8国际官方网站,u8国际网站,u8国际网址,u8国际链接,u8体育,u8体育官网,u8体育网址,u8注册,u8体育网址,u8官方网站,u8体育APP,u8体育登录,u8体育入口
①定义待检索图像数据所在的图像数据集为原始图像数据集，将原始图像数据集的M
个图像数据中任意选取m个图像数据作为训练数据集，m≥0.2M，并对训练数据集中的每一
②定义待训练的哈希模型，包括输入数据层、卷积子网络层、全卷积层、哈希层、哈希编
码输出层和采用softmax分类器的分类输出层，其中，输入数据层用于输入训练数据集里的
图像数据，卷积子网络层由五个卷积池化模块组成，全卷积层连续两次的采用1024个1×1
的卷积核，哈希层采用K个1×1的卷积核并采用光滑的tanh激活函数，哈希编码输出层用于
③随机打乱训练数据集中的m个图像数据得到打乱后的数据集，将打乱后的数据集随
机抽取N个图像数据输入待训练的哈希模型，N＜m，N＝32或N＝64，根据输出结果修正模型
③‑2根据待训练的哈希模型的损失函数，使用RMSProp优化算法对待训练的哈希模型
进行迭代优化，直到达到设置的最大迭代次数时，停止迭代过程，得到训练后的哈希模型；
④使用训练后的哈希模型对原始图像数据集进行哈希编码，得到对应的原始图像数据
哈希编码，使用训练后的哈希模型对待检索图像数据进行编码，得到对应的待检索图像哈
⑤在原始图像数据哈希编码中查找出与待检索图像哈希编码的海明距离最近的数据，
并将该数据在原始图像数据集中对应的图像作为最终的检索结果，完成对待检索图像数据
2.根据权利要求1所述的一种哈希检索方法，其特征在于所述的步骤②中K＝16或32或
3.根据权利要求1所述的一种哈希检索方法，其特征在于所述的步骤③‑1中设置最大
效检索的重要方式，受到了广泛的关注。然而，大多数图像哈希算法都是直接利用机器学习
机制将图像的特征映射为二进制编码，这些特征无法有效地保证图像之间的语义相似性，
的M个图像数据中任意选取m个图像数据作为训练数据集，m≥0.2M，并对训练数据集中的每
②定义待训练的哈希模型，包括输入数据层、卷积子网络层、全卷积层、哈希层、哈
希编码输出层和采用softmax分类器的分类输出层，其中，输入数据层用于输入训练数据集
里的图像数据，卷积子网络层由五个卷积池化模块组成，全卷积层连续两次的采用1024个1
×1的卷积核，哈希层采用K个1×1的卷积核并采用光滑的tanh激活函数，哈希编码输出层
集随机抽取N个图像数据输入待训练的哈希模型，N＜m，N＝32或N＝64，根据输出结果修正
③‑2根据待训练的哈希模型的损失函数，使用RMSProp优化算法对待训练的哈希
模型进行迭代优化，直到达到设置的最大迭代次数时，停止迭代过程，得到训练后的哈希模
数据哈希编码，使用训练后的哈希模型对待检索图像数据进行编码，得到对应的待检索图
数据，并将该数据在原始图像数据集中对应的图像作为最终的检索结果，完成对待检索图
所述的步骤③‑1中设置最大迭代次数为10000次。经过测验，迭代次数至少为
与现有技术相比，本发明的优点在于首先定义包括输入数据层、卷积子网络层、全
卷积层、哈希层、哈希编码输出层和采用softmax分类器的分类输出层的待训练的哈希模
型，该哈希模型采用全卷积网络，从待检索图像数据所在的原始图像数据集中选取训练数
据集，将训练数据集随机打乱后输入待训练的哈希模型，根据输出结果与对应的原始标签
信息修正模型参数，最终得到训练后的哈希模型，再用训练后的哈希模型分别对原始图像
数据集及待检索图像数据进行哈希编码，最后在原始图像数据哈希编码中查找出与待检索
图像哈希编码的海明距离最近的数据，并将该数据在原始图像数据集中对应的图像作为最
终的检索结果，完成对待检索图像数据的哈希检索过程，其中，利用卷积神经网络能够提取
图像的高层语义特征，接着为了增强网络对图像的学习能力，增加全卷积层进一步提升特
征的表达能力；最后，在全卷积层与分类输出层之间添加隐藏层作为哈希层，采用光滑的
tanh函数激活哈希层，能够保证输出的实值码分布在+1或‑1附近，利用哈希编码重构类别
标签，使得待训练的哈希模型在学习二进制编码的同时，能更加精细地利用原始标签信息，
其中通过在损失函数中引入相似矩阵，能够指导卷积神经网络学习保相似性特征，提高哈
希检索方法的准确度，从而提高检索准确性，通过在标准图像数据集上的对比实验，显示了
的M个图像数据中任意选取m个图像数据作为训练数据集，m≥0.2M，并对训练数据集中的每
②定义待训练的哈希模型，包括输入数据层、卷积子网络层、全卷积层、哈希层、哈
希编码输出层和采用softmax分类器的分类输出层，其中，输入数据层用于输入训练数据集
里的图像数据，卷积子网络层由五个卷积池化模块组成，全卷积层连续两次的采用1024个1
×1的卷积核，哈希层采用K个1×1的卷积核并采用光滑的tanh激活函数，K＝16或32或48或
集随机抽取N个图像数据输入待训练的哈希模型，N＜m，N＝32或N＝64，根据输出结果修正
③‑1设置最大迭代次数为10000次，定义待训练的哈希模型的损失函数如下：
③‑2根据待训练的哈希模型的损失函数，使用RMSProp优化算法对待训练的哈希
模型进行迭代优化，直到达到设置的最大迭代次数时，停止迭代过程，得到训练后的哈希模
数据哈希编码，使用训练后的哈希模型对待检索图像数据进行编码，得到对应的待检索图
数据，并将该数据在原始图像数据集中对应的图像作为最终的检索结果，完成对待检索图