融合注意力机制的深度哈希图像检索方法

摘要：

传统的基于深度哈希图像检索方法在获取图像的特征信息时,会关注到部分冗余信息,影响最终的图像检索精度.针对上述问题,提出一种应用于卷积神经网络中的融合跨维度交互注意力机制模块,该模块可以提高网络的性能,学习到更多有利于图像检索的特征信息.在深度哈希图像检索任务中,选用VGG16 与ResNet18 两种经典模型作为图像检索的基础模型,加入注意力模块并且重新设计哈希码目标损失函数后,在CIFAR-10 和NUS-WIDE数据集上进行了对比实验,实验结果表明添加了注意力机制后的图像检索精度有较大提高,验证了所提出方法的有效性.

关键词：图像检索、注意力模块、卷积神经网络、深度哈希

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2024-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39