nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Content Based Image Retrieval by Convolutional Neural Networks

verfasst von : Safa Hamreras, Rafaela Benítez-Rochel, Bachir Boucheham, Miguel A. Molina-Cabello, Ezequiel López-Rubio

Erschienen in: From Bioinspired Systems and Biomedical Applications to Machine Learning

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper, we present a Convolutional Neural Network (CNN) for feature extraction in Content Based Image Retrieval (CBIR). The proposed CNN aims at reducing the semantic gap between low-level and high-level features. Thus, improving retrieval results. Our CNN is the result of a transfer learning technique using Alexnet pretrained network. It learns how to extract representative features from a learning database and then uses this knowledge in query feature extraction. Experimentations performed on Wang (Corel 1K) database show a significant improvement in terms of precision over the state of the art classic approaches.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Application of Koniocortex-Like Networks to Cardiac Arrhythmias Classification

Nächstes Kapitel Deep Learning Networks with p-norm Loss Layers for Spatial Resolution Enhancement of 3D Medical Images

http://wang.ist.psu.edu/docs/related/.

Krizhevsky, A., Sutskever, I., Hinton, G.E.: Imagenet classification with deep convolutional neural networks. In: Advances in Neural Information Processing Systems (2012)

Walia, E., Pal, A.: Fusion framework for effective color image retrieval. J. Vis. Commun. Image Represent. 25(6), 1335–1348 (2014)CrossRef

Hinton, G., et al.: Deep neural networks for acoustic modeling in speech recognition: the shared views of four research groups. IEEE Signal Process. Mag. 29(6), 82–97 (2012)CrossRef

Wan, J., et al.: Deep learning for content-based image retrieval: a comprehensive study. In: Proceedings of the ACM International Conference on Multimedia (2014)

Guo, J.-M., Prasetyo, H.: Content-based image retrieval using features extracted from halftoning-based block truncation coding. IEEE Trans. Image Process. 24(3), 1010–1024 (2015)MathSciNetCrossRef

Guo, J.-M., Prasetyo, H., Wang, N.-J.: Effective image retrieval system using dot-diffused block truncation coding features. IEEE Trans. Multimed. 17(9), 1576–1590 (2015)CrossRef

Kranthi Kumar, K., Venu Gopal, T.: A novel approach to self order feature reweighting in CBIR to reduce semantic gap using relevance feedback. In: International Conference on Circuits, Power and Computing Technologies (2014)

Lin, K., Yang, H.-F., Hsiao, J.-H., Chen, C.-S.: Deep learning of binary hash codes for fast image retrieval. In: The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops (2015)

Bojarski, M., et al.: End to end learning for self-driving cars. In: Computer Vision and Pattern Recognition (2016)

10.

ElAlami, M.E.: A new matching strategy for content based image retrieval system. Appl. Soft Comput. 14, 407–418 (2014)CrossRef

11.

Zhou, S., Chen, Q., Wang, X.: Active deep networks for semi-supervised sentiment classification. In: Neurocomputing (2013)

12.

Wang, X.-Y., Zhang, B.-B., Yang, H.-Y.: Content-based image retrieval by integrating color and texture features. Multimed. Tools Appl. 68(3), 545–569 (2014)CrossRef

13.

Charles, Y.R., Ramraj, R.: A novel local mesh color texture pattern for image retrieval system. Int. J. Electron. Commun. 70(3), 225–233 (2016)CrossRef

14.

Liu, Y., Zhang, D., Lu, G., Ma, W.-Y.: A survey of content-based image retrieval with high-level semantics. Pattern Recogn. 40(1), 262–282 (2007)CrossRef

15.

Bengio, Y., Courville, A., Vincent, P.: Unsupervised feature learning and deep learning: a review and new perspectives. CoRR, abs/1206.5538 (2012)

16.

Cao, Z., Simon, T., Wei, S.-E., Sheikh, Y.: Realtime multi-person 2D pose estimation using part affinity fields. In: Computer Vision and Pattern Recognition Proceeding (2017)

Titel: Content Based Image Retrieval by Convolutional Neural Networks
verfasst von: Safa Hamreras
Rafaela Benítez-Rochel
Bachir Boucheham
Miguel A. Molina-Cabello
Ezequiel López-Rubio
Verlag: Springer International Publishing
Buch: From Bioinspired Systems and Biomedical Applications to Machine Learning
Print ISBN: 978-3-030-19650-9

Electronic ISBN: 978-3-030-19651-6

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-030-19651-6_27

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner