基于卷积神经网络和二进制K-means的图像快速聚类

被引：2

作者：

柯圣财 ^{[1
]}

李弼程 ^{[2
]}

唐永旺 ^{[1
]}

吴志兵 ^{[3
]}

万建平 ^{[4
]}

机构：

[1] 解放军信息工程大学信息系统工程学院

[2] 华桥大学计算机科学与技术学院

[3] 江南计算技术研究所

[4] 西安卫星测控研究中心

来源：

数据采集与处理 | 2017年 / 32卷 / 05期

关键词：

深度学习; 图像聚类; 卷积神经网络; 二进制K-means; 多索引哈希;

D O I：

10.16337/j.1004-9037.2017.05.014

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

当前主流的图像聚类方法采用的视觉特征缺乏自主学习能力,导致其图像表达能力不强,而且传统的聚类算法计算复杂度较高,聚类效率低,难以适应大数据环境。针对这些问题,本文提出了一种基于卷积神经网络和二进制K-means的图像快速聚类方法。首先,利用卷积神经网络学习图像内容的内在隐含关系,得到图像高阶特征,增强特征的视觉表达能力和区分性;然后,利用哈希方法将高维图像特征映射为低维二进制哈希码,并通过对聚类中心构造多索引哈希表来加速寻找最近的聚类中心,以降低时间复杂度;最后,利用二进制K-means完成二进制哈希码的快速聚类。在ImageNet-1000图像集上的实验结果表明,本文方法能够有效地增强图像特征的表达能力、提高图像聚类效率、性能优于当前主流方法。

引用

页码：970 / 979

页数：10

共 32 条

[1]

Object retrieval with largevocabularies and fast spatial matching. Philbin J,Chum O,Isard M,et al. Proceedings ofIEEE Conference on Computer Vision and Pattern Recognition . 2007

[2]

Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope[J] . Aude Oliva,Antonio Torralba. &nbspInternational Journal of Computer Vision . 2001 (3)

[3] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[4] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[5]

To recognize shapes, first learn to generate images[J] . Geoffrey E. Hinton. &nbspProgress in Brain Research . 2007

[6]

Speeded-Up Robust Features (SURF)[J] . Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool. &nbspComputer Vision and Image Understanding . 2007 (3)

[7]

A simple and fast algorithm for K-medoids clustering[J] . Hae-Sang Park,Chi-Hyuck Jun. &nbspExpert Systems With Applications . 2008 (2)

[8]

Multiple kernel clustering based on centered kernel alignment[J] . Yanting Lu,Liantao Wang,Jianfeng Lu,Jingyu Yang,Chunhua Shen. &nbspPattern Recognition . 2014

[9] 基于深度学习的图像自动标注算法 [J].

杨阳 ;

张文生 .

数据采集与处理, 2015, 30 (01) :88-98

[10]

Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position[J] . Kunihiko Fukushima. &nbspBiological Cybernetics . 1980 (4)

← 1 2 3 4 →