基于半监督深度网络学习的细粒度图像检索
针对传统图像特征在细粒度图像检索上的不足,提出一种基于稀疏编码的半监督深度学习算法,来提高细粒度图像的检索性能.该算法首先通过少量带标签的训练样本来微调深度神经网络模型,然后通过该模型生成其对应的稀疏编码,最后以重构的稀疏编码作为网络训练的监督信息,通过最小化交叉熵损失函数来优化深度神经网络模型.在公开的细粒度图像数据集上进行了对比实验,结果表明,所提出的算法在少量标记样本的情况下具有较好的检索性能.
深度学习、半监督、细粒度、图像检索
41
TP391.4;TN911.73(计算技术、计算机技术)
上海市高校特聘教授东方学者岗位计划ES2015XX
2019-04-29（万方平台首次上网日期，不代表论文的发表时间）
共6页
71-76
