[发明专利]基于监督转移的零样本哈希图片检索方法

权利要求书

1.基于监督转移的零样本哈希图片检索方法，其特征在于，包括下列步骤：

步骤1:对训练样本集进行图片与图片标签的预处理，得到训练样本集的图片特征向量集X、标签向量集Y，每个训练样本的图片特征向量用x_i表示，对应的标签向量为y_i，下标为训练样本标识符；

步骤2：基于训练样本的图片特征向量集X、标签向量集Y进行哈希函数训练：

步骤201：随机初始化语义整合矩阵R、哈希码矩阵B、映射关系矩阵W、哈希矩阵P；

其中，R^TR＝I_c，I_c表示c×c的单位矩阵，c表示预设的类别数目，符号(·)^T表示矩阵转置；

矩阵B＝[b₁,b₂,…,b_n]∈{-1,1}^l×n表示所有训练样本哈希码构成的哈希码矩阵，l表示哈希码的长度，n表示训练样本集数量，b_i∈{-1,1}^1×n表示第i个样本的哈希码，i＝1,2,…,n；

映射关系矩阵W表示从哈希码到监督的标签向量的映射关系矩阵，且W为l×c维的实数域矩阵；

哈希矩阵P为l×m维的实数域矩阵，其中m表示标签向量的维数；

步骤202：从训练样本的图片特征向量x中随机选择m个核：a₁,a₂,…,a_m，根据公式计算φ(x)，其中x表示任意训练样本的图片特征向量，平衡系数δ的取值范围为[-1,1]，m对应标签向量的维数；

步骤204：根据L＝D-S构建拉普拉斯矩阵L，其中D是一个对角矩阵，S表示样本的相似度矩阵，矩阵D的第i个对角元为矩阵S的元S_ij表示训练样本i、训练样本j的图片特征向量x_i、x_j之间的相似度，相似度S_ij的计算公式为：当x_i在x_j的预设领域内或x_j在x_i的预设领域内时，否则S_ij＝0；其中σ的取值范围为0～1；

步骤205：对目标方程进行离散求解，迭代得到语义整合矩阵R、哈希码矩阵B、映射关系矩阵W、哈希矩阵P的最优解，所述目标方程为：

minf,W,B,R||RTY-WTB||F2+λ||W||F2+α||f(X)-B||F2+β||P||F2+γΣi=1nΣj=1nSij||f(xi)-f(xj)||F2]]>

其中，表示矩阵的Frobenius范数，平衡参数λ、α、β、γ均为大于0的数，映射关系f是从特征空间到哈希码的哈希函数；

步骤3：基于步骤2得到的哈希矩阵P，根据公式f(x)＝P^Tφ(x)生成各训练样本的哈希码；

步骤4：输入待检索对象的图片I_t，并提取得到图片特征向量x_t、标签向量y_t；

采用步骤202相同的方式计算当前图片的φ(x_t)，再基于步骤2得到的哈希矩阵P，通过公式f(x_t)＝P^Tφ(x_t)生成当前图片的哈希码；

基于哈希码，在检索范围中查找出目标图像的k个最邻近图像进行检索结果返回，其中k为预设值。