融合注意力机制的深度哈希图像检索方法

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。