A content-based image retrieval approach utilizing optimized intermediate layer features

Sunita Rani

doi:10.1007/s10586-026-06086-w

2026-06-01

PRE

Sunita Rani *

Shalini Batra

Geeta Kasana

DOI：10.1007/s10586-026-06086-w

原文链接

原文求助

摘要

En 中文

基于内容的图像检索（CBIR）系统旨在根据其视觉特征从数据库中检索图像，以克服传统基于元数据方法的局限性。本研究提出了一种新颖的方法，该方法整合了来自修改版MobileNet和EfficientNetB0的特征以生成综合特征向量。通过连接这些模型中间层和最后一层的特征，所提出的方法能够捕捉高层次的语义信息与低层次的细节。从修改版EfficientNetB0中提取的特征已通过选择性中间层特征提取进行了优化。这些中间层的选择通过广泛实验进行，以增强基于特征的表示和检索性能。所提出方法的有效性通过欧氏距离和基于无监督最近邻的技术等相似性度量在基准数据集（包括Corel-1K和Caltech-101）上进行评估。结果表明，所提出的方法在Corel-1K数据集上实现了对前5个检索图像的100%精度。此外，我们评估了各种K-最近邻（KNN）算法的性能，以确定在保持计算效率的同时最有效的相关检索方法。在COIL数据集上的实验进一步验证了所提出方法在定性方面的性能，在平均精度均值、平均召回率均值、F1分数和平均检索时间方面超越了现有的检索方法。该方法通过优化特征提取和检索策略，为推进CBIR系统提供了有前景的步骤。为促进研究透明度和可重复性，本工作的源代码已在GitHub上公开，地址为https://github.com/sunita2207/Optimization_of_intermediate_layers。

Keyword:

CBIR

Transfer learning

KNN

Hybrid feature fusion