✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
基于内容的图像检索系统关键的技术是有效图像特征的获取和相似度匹配策略.在过去,基于内容的图像检索系统主要使用低级的可视化特征,无法得到满意的检索结果,所以尽管在基于内容的图像检索上花费了很大的努力,但是基于内容的图像检索依旧是计算机视觉领域中的一个挑战.在基于内容的图像检索系统中,存在的最大的问题是"语义鸿沟",即机器从低级的可视化特征得到的相似性和人从高级的语义特征得到的相似性之间的不同.传统的基于内容的图像检索系统,只是在低级的可视化特征上学习图像的特征,无法有效的解决"语义鸿沟".近些年,深度学习技术的快速发展给我们提供了希望.深度学习源于人工神经网络的研究,深度学习通过组合低级的特征形成更加抽象的高层表示属性类别或者特征,以发现数据的分布规律,这是其他算法无法实现的.受深度学习在计算机视觉、语音识别、自然语言处理、图像与视频分析、多媒体等诸多领域取得巨大成功的启发,本文将深度学习技术用于基于内容的图像检索,以解决基于内容的图像检索系统中的"语义鸿沟"问题.
⛄ 部分代码
function ind_dis_sort = SearchResult(vec_alex, vec_googlenet, H, H2, rate)
if nargin < 5
rate = 0.5;
end
vec_alex_list = cat(1, H.vec);
vec_googlenet_list = cat(1, H2.vec);
dis_alex = 0;
if isequal(vec_alex, 0)
else
dis_alex = pdist2(vec_alex, vec_alex_list, 'cosine');
end
dis_googlenet = 0;
if isequal(vec_googlenet, 0)
else
dis_googlenet = pdist2(vec_googlenet, vec_googlenet_list, 'cosine');
end
dis = rate*mat2gray(dis_alex) + (1-rate)*mat2gray(dis_googlenet);
[~, ind_dis_sort] = sort(dis);
⛄ 运行结果
⛄ 参考文献
[1] 胡二雷, 冯瑞. 基于深度学习的图像检索系统[J]. 计算机系统应用, 2017, 26(3):12.
[2] 郭升挺, 黄晞, 柯俊敏,等. 基于深度学习与拓展查询的商标图像检索方法[J]. 网络新媒体技术, 2018, 7(1):7.
[3] 孙奇平. 基于深度学习的图像检索研究[J]. 景德镇高专学报, 2018.
[4] 凯比努尔·赛地艾合买提. 基于深度学习的图像检索技术的实现[J]. 软件, 2020.
