EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

语义引导与小波感知的大规模细粒度食品图像检索哈希网络

李杰

中国科学与技术学报 · 05.11.2026 · 2 (6) · 132-139

DOI: 10.70693/cjst.v2i6.2201 ↗

Kurz gefasst

Fachartikel in der Zeitschrift 中国科学与技术学报, online erschienen am 05.11.2026. Verfasst von 李杰. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

大规模细粒度食品图像检索面临类内差异大、类间差异小的双重挑战。深度哈希方法虽具备较高的检索效率,但其浅层特征易受背景噪声干扰,且多尺度特征融合过程中存在显著的语义鸿沟。为此,本文提出一种语义引导与小波感知哈希网络(SWANet)。该网络设计小波感知特征整流(WAFR)模块,利用离散小波变换在滤除高频噪声的同时严格保持食材纹理的空间对齐关系,并通过通道门控机制动态抑制噪声通道、增强有效纹理分量;设计自顶向下语义引导聚合(TSGA)模块,以深层全局语义作为查询,借助交叉注意力自适应地从整流后的局部细节中提取并聚合判别性特征,从而弥合语义鸿沟。在 Food-101、UEC Food-256 与 VireoFood-172 三个公开数据集上的实验表明,SWANet 在 16、32、48、64 位哈希码长下的平均精度均值均优于 HashNet、ADSH 与 SEMICON 等主流深度哈希方法,其中在 Food-101 数据集 16 位码长下较 SEMICON 提升 4.6 个百分点,验证了所提模块的有效性。

Zitieren

APA

李杰 (2026). 语义引导与小波感知的大规模细粒度食品图像检索哈希网络. 中国科学与技术学报, 2(6), 132-139. https://doi.org/10.70693/cjst.v2i6.2201

Vancouver

李杰. 语义引导与小波感知的大规模细粒度食品图像检索哈希网络. 中国科学与技术学报. 2026;2(6):132-139. doi:10.70693/cjst.v2i6.2201

BibTeX
@article{2026,
  author = {李杰},
  title = {语义引导与小波感知的大规模细粒度食品图像检索哈希网络},
  journal = {中国科学与技术学报},
  year = {2026},
  volume = {2},
  number = {6},
  pages = {132--139},
  doi = {10.70693/cjst.v2i6.2201}
}
Kostenlos starten →