基于LSH索引与CNN Resnet50的Web图像搜索引擎
信息检索
2021-09-13 v1 人工智能
计算机视觉与模式识别
摘要
为实现良好的基于内容的图像检索（CBIR）系统，采用高效搜索方法至关重要。实现此目标的一种途径是利用近似搜索技术。事实上，当我们处理极大数据集合时，使用精确搜索方法会使系统非常缓慢。在本项目中，我们采用局部敏感哈希（LSH）索引来实现一个CBIR系统，使其能对深度特征执行快速相似性搜索。具体而言，我们利用迁移学习技术从图像中提取深度特征；该阶段使用两个著名的卷积神经网络（CNN）作为特征提取器：Resnet50和Resnet50v2，二者均在ImageNet上预训练。然后我们尝试了多个全连接深度神经网络，构建于上述两个CNN之上，以在我们的数据集上对它们进行微调。在上述两种情况下，我们将特征索引于我们的LSH索引实现中以及顺序扫描中，以更好地理解索引的引入对结果的影响程度。最后，我们进行性能分析：评估的结果集相关性，计算不同实验中所获得的mAP（平均精度均值）值，依据比较次数并改变LSH索引的超参数值。
引用
@article{arxiv.2108.13301,
title = {Web image search engine based on LSH index and CNN Resnet50},
author = {Marco Parola and Alice Nannini and Stefano Poleggi},
journal= {arXiv preprint arXiv:2108.13301},
year = {2021}
}