摘要
为了克服当前基于内容的相关反馈图像检索系统检索性能低、未能深入探索特征空间、参数复杂等问题,提出一种基于深度学习和集成多尺度量子谐振子优化算法与支持向量机算法的相关反馈图像检索算法(MQHOASVM-RF).使用卷积神经网络迁移学习提取更深层次图像特征,利用奇异值分解实现主成分分析,对高维特征进行降维,通过用户与系统不断交互捕获反馈信息.多尺度量子谐振子优化算法能指导特征点更快地向理想查询点靠近,探索更多潜在相关区域,对特征空间进行有效搜索.采用间隔带TopK排序方式,结合反馈信息筛选合理训练集以指导支持向量机学习,训练出可以将相关图像和不相关图像最大程度分离的超平面.通过实验证明:所提算法相较其他算法需设置的参数更少,具有更高的检索精度、更高的检索效率、更强的鲁棒性.
基金项目
国家社会科学基金(14BTQ053)
国家科技部重点研发计划(2018YFB1700803)
国家科技期刊平台
NSTL
万方数据