自编码神经网络相似图片检索

最新推荐文章于 2024-05-23 12:03:00 发布

前行意识流

最新推荐文章于 2024-05-23 12:03:00 发布

阅读量3.1k

点赞数 3

文章标签：相似图片检索自编码神经网络局部敏感哈希 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_16722937/article/details/79685986

版权

本文介绍了使用自编码神经网络和局部敏感哈希（LSH）算法进行相似图片检索的方法。自编码神经网络用于提取图片的低维特征表示，而LSH则用于快速定位潜在相似图片，实验结果显示该方法能有效提高检索效率。

摘要由CSDN通过智能技术生成

目的

传统的相似图片检索利用图片的统计特征对比图片, 检索的复杂度高，检索速度慢，检索效果差。

为了高效准确，从端到端地对相似图片进行检索。本文利用为了降低分析的复杂性，加快检索速度

本文利用自编码神经网络和局部敏感hash算法对图片进行检索。

自编码神经网络

在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 $\textstyle \{x^{(1)}, x^{(2)}, x^{(3)}, \ldots\}$ ，其中 $\textstyle x^{(i)} \in \Re^{n}$ 。自编码神经网络是一种无监督学习算法，它使用了反向传播算法，并让目标值等于输入值，比如 $\textstyle y^{(i)} = x^{(i)}$ 。下图是一个自编码神经网络的示例。通过训练，我们使输出 $\textstyle \hat{x}$ 接近于输入 $\textstyle x$ 。当我们为自编码神经网络加入某些限制，比如限定隐藏神经元的数量，我们就可以从输入数据中发现一些有趣的结构。举例来说，假设某个自编码神经网络的输入

最低0.47元/天解锁文章

前行意识流

关注

3
点赞
踩
9

收藏

觉得还不错? 一键收藏
1
评论
自编码神经网络相似图片检索

目的传统的相似图片检索利用图片的统计特征对比图片, 检索的复杂度高，检索速度慢，检索效果差。为了高效准确，从端到端地对相似图片进行检索。本文利用为了降低分析的复杂性，加快检索速度本文利用自编码神经网络和局部敏感hash算法对图片进行检索。自编码神经网络在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合，其中。自编码神经网络是一种无监督学习算法，它使用...
复制链接

扫一扫

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。