公开(公告)号：CN110321451B

公开(公告)日：2022-08-05

申请号：CN201910340096.9

申请日：2019-04-25

Applicant: 吉林大学

Inventor： 刘萍萍 ,  苗壮 ,  勾贵霞 ,  郭慧俐 ,  石立达 ,  金百鑫 ,  王振 ,  王慧 ,  龚柯

IPC: G06F16/583 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明公开了一种基于分布熵增益损失函数的图像检索算法，所述算法使用预训练网络进行初始化，根据图像检索任务的需求训练网络，在训练网络时使用自行设计的分布熵增益损失函数，提升了图像检索的准确率；分布熵增益损失函数结合了对比损失函数和相对熵，增强了训练网络时图像相似性度量的准确性；对比损失函数通过欧氏距离计算特征之间的相似度，相对熵可以用于衡量特征向量之间的分布差异，将相对熵补充到对比损失函数中改善了特征向量相似性度量；使用分布熵增益损失函数训练网络模型，通过调整网络参数得到更适用于图像检索任务的网络模型，训练后的网络模型在图像检索实验中取得了更优的检索效果。

公开(公告)号：CN110321451A

公开(公告)日：2019-10-11

申请号：CN201910340096.9

申请日：2019-04-25

Applicant: 吉林大学

Inventor： 刘萍萍 ,  苗壮 ,  勾贵霞 ,  郭慧俐 ,  石立达 ,  金百鑫 ,  王振 ,  王慧 ,  龚柯

IPC: G06F16/583 ,  G06K9/62

Abstract: 本发明公开了一种基于分布熵增益损失函数的图像检索算法，所述算法使用预训练网络进行初始化，根据图像检索任务的需求训练网络，在训练网络时使用自行设计的分布熵增益损失函数，提升了图像检索的准确率；分布熵增益损失函数结合了对比损失函数和相对熵，增强了训练网络时图像相似性度量的准确性；对比损失函数通过欧氏距离计算特征之间的相似度，相对熵可以用于衡量特征向量之间的分布差异，将相对熵补充到对比损失函数中改善了特征向量相似性度量；使用分布熵增益损失函数训练网络模型，通过调整网络参数得到更适用于图像检索任务的网络模型，训练后的网络模型在图像检索实验中取得了更优的检索效果。