《表1 LeNet-L、CNN、Method、LeNet-5及文中方法检索结果的Top6图像对比表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进卷积神经网络的教学图像检索方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。