《表1 LeNet-L、CNN、Method、LeNet-5及文中方法检索结果的Top6图像对比表》
输入所要查询的且经过Matlab处理过的教学密度稀疏图像,利用改进模型提取图像的特征向量Fi=[fi1,fi2,…,fij,…,fin],然后利用步骤5计算查询图像特征和特征库中所有图像特征的相似度,并从总的图像集中选取相对应的前k张相似度最大的图像,按照从大到小和从左至右的顺序进行排序。图像检索结果Top6(Top6表示与查询图像相似的返回图像数目为6)的对比结果如表1所示,表1(a)是改进的网络模型返回的检索结果,(b) 、(c)、(d)和(e)是LeNet-L、CNN、Method和LeNet-5在Matlab的GUI界面返回的检索结果。由表1可以看出,前4种算法返回的图像效果与待检索图像相关性不强,虽然大体轮廓与查询图像均较为相似,但清晰度和稀疏程度却与之相差甚远,并且图像检索速度慢、精确度较低,因此这几种查询方法的检索效果相对较差。而文中方法返回图像的第1个目标就是输入的查询图像,在返回结果中检测到的目标数目也是最多的,且检索速度快、精确度高,因此改进的卷积神经网络在图像检索上更具有优势。
图表编号 | XD0078787600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.20 |
作者 | 刘道华、崔玉爽、赵岩松、宋玉婷、王景慧 |
绘制单位 | 信阳师范学院计算机与信息技术学院、信阳师范学院河南省教育大数据分析与应用重点实验室、信阳师范学院计算机与信息技术学院、信阳师范学院计算机与信息技术学院、信阳师范学院计算机与信息技术学院、信阳师范学院计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |