公开(公告)号：CN110674334A

公开(公告)日：2020-01-10

申请号：CN201910869635.8

申请日：2019-09-16

Applicant: 南京信息工程大学

Inventor： 周志立 ,  孙文迪 ,  周煜 ,  孙星明

IPC: G06F16/583 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于一致性区域深度学习特征的近重复图像检索方法，具体为：提取图像库中的所有图像的SIFT特征，将SIFT特征量化为视觉单词，为所有的SIFT特征建立倒排索引文件；保留每个图像的K个目标区域，计算目标区域的CNN特征C(Rc)；提取查询图像的SIFT特征，将其量化为视觉单词；利用倒排索引文件，找出候选图像；在查询图像中找出与每个候选图像的每个目标区域近似重复的近重复区域；提取近重复区域的CNN特征C(RQ)；计算任意C(Rc)和该CNN特征相应的C(RQ)的余弦相似度，作为该组的相似度评分；在每个候选图像中，选择余弦相似度最高的一组评分作为该候选图像与查询图像之间的相似度评分。本发明在提高检索效率的同时，大大的提高了图像检索的准确度。

公开(公告)号：CN110674334B

公开(公告)日：2020-08-11

申请号：CN201910869635.8

申请日：2019-09-16

Applicant: 南京信息工程大学

Inventor： 周志立 ,  孙文迪 ,  周煜 ,  孙星明

IPC: G06F16/583 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于一致性区域深度学习特征的近重复图像检索方法，具体为：提取图像库中的所有图像的SIFT特征，将SIFT特征量化为视觉单词，为所有的SIFT特征建立倒排索引文件；保留每个图像的K个目标区域，计算目标区域的CNN特征C(Rc)；提取查询图像的SIFT特征，将其量化为视觉单词；利用倒排索引文件，找出候选图像；在查询图像中找出与每个候选图像的每个目标区域近似重复的近重复区域；提取近重复区域的CNN特征C(RQ)；计算任意C(Rc)和该CNN特征相应的C(RQ)的余弦相似度，作为该组的相似度评分；在每个候选图像中，选择余弦相似度最高的一组评分作为该候选图像与查询图像之间的相似度评分。本发明在提高检索效率的同时，大大的提高了图像检索的准确度。