1、近年來(lái)，多媒體信息技術(shù)發(fā)展迅速，智能終端每天都會(huì)產(chǎn)生海量未經(jīng)管理的多媒體數(shù)據(jù)，特別是圖片數(shù)據(jù)快速增加。為了能夠快速且準(zhǔn)確的在海量多媒體數(shù)據(jù)中進(jìn)行檢索，圖像檢索技術(shù)逐漸變成多媒體領(lǐng)域的熱點(diǎn)課題，并被廣泛的應(yīng)用于日常生活中的各個(gè)方面。本文基于傳統(tǒng)的單個(gè)類別查詢圖片的檢索系統(tǒng)，提出多個(gè)不同類別查詢圖片的檢索系統(tǒng)，為了實(shí)現(xiàn)所提出的檢索任務(wù)，提出多個(gè)樣本特征加權(quán)融合的檢索算法，有效解決多個(gè)不同類別查詢圖片進(jìn)行檢索。在基于內(nèi)容而開(kāi)發(fā)的圖像檢索系統(tǒng)中

2、，最為重要的一點(diǎn)就是找到一種表達(dá)能力強(qiáng)的特征來(lái)描述圖片，很多傳統(tǒng)的檢索系統(tǒng)會(huì)選擇圖像的底層視覺(jué)特征，例如圖像的顏色，紋理和形狀等特征來(lái)表達(dá)圖片信息。本文，使用2012年提出的AlexNet網(wǎng)絡(luò)作為提取卷積特征的基礎(chǔ)網(wǎng)絡(luò)。
　　通過(guò)一個(gè)簡(jiǎn)單的例子來(lái)介紹我們的檢索系統(tǒng)，假設(shè)輸入的兩張查詢圖片分別是“貓”與“狗”，希望在候選數(shù)據(jù)中查找到同時(shí)包含“貓與狗”的那類圖片。通過(guò)調(diào)查發(fā)現(xiàn)現(xiàn)有的多個(gè)查詢樣本的檢索系統(tǒng)無(wú)法直接實(shí)現(xiàn)我們的檢索任務(wù)，主要

3、的差別就是查詢圖片所屬的類別問(wèn)題，輸入的查詢圖片完全屬于兩個(gè)不同的類別。由于查詢圖片屬于不同的類別，為了能夠直接反應(yīng)二者在檢索過(guò)程中的重要性，提出特征加權(quán)的方法，通過(guò)權(quán)重來(lái)體現(xiàn)二者之間的相對(duì)重要性。本文的成果與創(chuàng)新之處總結(jié)如下:
　　(1)最近卷積神經(jīng)網(wǎng)絡(luò)在大規(guī)模圖像分類比賽ImageNet上取得了非常的成績(jī)，將圖像分類的top-5錯(cuò)誤率降到5％以下，在集成模型的情況下已經(jīng)超過(guò)了人類的表現(xiàn)，所以選擇卷積特征作為檢索圖像的特征描述，

4、同時(shí)選擇SIFT特征作為對(duì)比實(shí)驗(yàn)。
　　(2)本文的重點(diǎn)是如何為每個(gè)查詢圖片的特征分配權(quán)重，一旦求解出權(quán)重大小便能夠解決所提出的檢索任務(wù)。使用K-Means算法將候選圖片的卷積特征進(jìn)行聚類處理，在這些聚類中心中找到一個(gè)離兩張查詢圖片的距離是最近的。在查找到這個(gè)聚類中心后，便將距離之間的比值作為權(quán)重。
　　(3)為了證明所提出的多個(gè)樣本特征加權(quán)融合算法的有效性，在兩個(gè)公開(kāi)的數(shù)據(jù)集上進(jìn)行驗(yàn)證。因?yàn)闄z索任務(wù)的特殊性，所以對(duì)著兩個(gè)公