基于深度特征分析的双线性图像相似度匹配算法

　　基于内容的图像检索一直面临“语义鸿沟”的难题，特征选择对语义学习结果有着直接的影响；而传统距离度量方法往往从单一角度进行相似性计算，不能很好地表示出图像之间的相似度。为了解决以上问题，提出基于深度特征分析的双线性图像相似度匹配的方法。首先，将图像数据集在卷积神经网络模型上进行微调训练，然后利用训练好的卷积神经网络对图像进行特征提取，获得全连接层输出的特征之后，通过双线性相似性度量方法得到图像间相似度的大小，通过对相似度的大小排序，返回最相似的图像实例。在Caltechl01和Caltech256数据集上的对比实验显示，所提算法的平均查准率、TopK查准率和查全率均优于对比算法，验证了所提算法的有效性。