基于深度学习算法实现图像快速识别浅析

基于深度学习算法实现图像快速识别浅析

汤兆鑫

陆军装甲兵学院士官学校    130117

摘要：基于内容的图像检索(CBIR)自90年代初期就已成为计算机视觉领域中一个具有挑战性的问题。其目的是根据查询图像的语义信息从具有海量图片的数据集中找到与查询图像在语义上相似的图像。CBIR方法可以分为两个不同的任务，即类别图像检索(CategorylevelImageRetrieval,CIR)和实例图像检索(InstancelevelImageRetrieval,IIR),也称为实例检索。CIR的任务是找到与查询目标相同类别的任意图像，而IIR的任务是找到与包含特定实例相同实例的查询图像。

关键词：深度学习算法；图像快速识别；浅析

引言

在创建基于内容的图像检索系统(content-basedimageretrieval,CBIR)过程中，一般使用图像特征提取、特征处理和特征表达等技术。图像的特征表达和相似性度量对于图像检索来说尤为重要，要重视机器可处理的低层级的像素信息和人所感知到的语义概念之间的鸿沟。相关研究提出，可以利用卷积神经网络将图片的编码作为图片的特征进行图像检索，深度卷积神经网络能够表达图片的图像信息。

1模型构建

深度学习的构建通常分为四步。（1）定义架构：构建深度神经模型的首要任务就是确立任务目标和网络架构，根据任务需求选定合适的网络体系结构。这里是要对图像进行先滤波再检测边缘的操作，所以选择卷积神经网络(CNNs)。除此之外，还可以决定整个深度学习架构的模型结构的类型。（2）编译模型：完成架构定义后，继续进行模型构建的第二步—编译模型。这里采用的是TensorFlow深度学习框架，使用函数进行编译。（3）拟合模型：在模型的基础框架被确立之后，下面就是拟合模型以使其可在固定数的周期（或数据集的迭代）内训练模型。（4）评估和预测：评估和预测是对已训练模型进行功能判断和效果预估的重要一步，其主要方法是确保模型的预处理步骤。开始时，将分割测试数据的预测也考虑在内以证明这个模型在处理特定问题上是有效果的。

图1 软件基本设计思路

2深度全局特征的图像检索

随着深度学习的发展基于深度神经网络的特征学习方式逐渐取代了特征工程的特征表示方式。深度学习发展初期，基于深度全局特征表示一经使用就得到了相对于基于特征工程的图像检索更好的效果，提取深度特征来代替传统特征聚合技术如(vectoroflocallyaggregateddescriptors,VLAD)中的手工特征。但全连接层产生的是图像级别的描述符，这会导致图像检索的两个明显的不足，其一是包含背景等无关杂乱信息。其二是缺乏局部几何不变性从而影响了诸如截断和遮挡等图像变换的稳健性。关于第一个不足，这种情况在更精细的尺度上提取区域级特征会更合理，即使用多个前馈通道。提出了一种全局描述符(second-orderlossandattentionforimageretrieval,SOLAR)。它通过空间注意和描述符相似性来利用二阶信息进行大规模图像检索。为了获得更简洁的图像表示，通常使用主成分分析方法(PrincipalComponentAnalysis)，实现对高维度的全局特征降维，即便图像表示从4096维降到128维，其检索效果仍然能超过经典手工特征的检索性能。对于第二个不足，还在更精细的尺度上提取区域级特征，解决背景杂波问题。使用第7个全连接层特征比第8个全连接层特征具有更好的检索效果。这是由于高层特征包含了更多的图片语义信息，而低层特征本就描述了大部分图片的共性特征，因此对其他数据集有更好的泛化能力。

3遥感影像融合

在遥感成像中，光谱传感器的光谱/滤波机制需要较大的瞬时视场(IFOV)来满足信噪比的要求，这意味着在保证成像光谱分辨率的同时必然降低空间分辨率。然而在高精度遥感应用中，空间分辨率和光谱分辨率同等重要，前者描述地物的物理形态，后者反映地面的物质组成。因此空间和光谱分辨率不可兼得的特性极大制约了高层遥感任务的精度提升。在此背景下，多光谱与全色图像融合技术应运而生，通过将全色图像中的空间信息及多光谱图像中的光谱信息相融合，生成空间和光谱分辨率并存的高质量遥感图像。基于采用的监督范式，深度多光谱与全色图像融合方法分为有监督的方案和无监督的方案两类。两类方案采取的网络架构主要有CNN和GAN两种。有监督的多光谱与全色图像融合方法在锐化结果与参考图像间构造最小距离损失，引导神经网络的输出不断趋近于参考图像对应的理想分布。

结束语

大规模及细粒度图像检索。目前大多数具有最好性能的图像检索算法都是在小型的数据集上进行测试的。由于大规模收集实例标签的困难，所以目前极需高效的方法来以监督或无监督的方式生成大规模数据集并开发可扩展的、紧凑的、具有区分性的特征表示法。

参考文献

[1]史双雷.敏感图像识别算法研究与系统实现[D].西安电子科技大学,2021.

[2]魏明珠,郑荣,杨竞雄.基于深度学习的图像检索研究进展[J].情报科学,2021.

[3]楚玉建,黎武迪,高锦辉,张弛.深度学习技术在遥感图像识别中的应用研究[J].电脑编程技巧与维护,2021.