[发明专利]基于半监督对抗生成网络的迁移检索方法

权利要求书

1.一种基于半监督对抗生成网络的迁移检索方法，其特征在于，包括以下步骤：

1)构建对抗生成网络进行跨数据域的哈希检索，所述跨数据域中的数据为不同数据库下、摄像头下或不同场景下数据，其目标是将原始数据集和目标数据集映射到一个共同的汉明空间，从而实现跨数据域的智能和快速的图像检索；

2)利用步骤1)中适用于迁移检索的对抗生成网络，所述对抗生成网络设有对抗网络模型，所述的对抗网络模型包含生成模型和判别模型，生成模型从原始数据集和目标数据集随机选取数据对并生成最有利于标记的数据对，判别模型用于区分生成模型选出的数据对是否为真实相似的数据对；

3)利用循环一致网络保持相似图像之间的相似性；

4)根据步骤2)中的判别模型加入边缘超参数，使得相似图像之间的距离减小，不相似图像之间的距离增大；

5)在训练判别模型的阶段固定生成模型的参数，反之，在训练生成模型的阶段固定判别模型的参数；

6)利用步骤5)中得到的判别模型提取检索需要的特征；

生成模型分别接收来自原始数据中的有标签图像和目标数据中的无标签图像，生成模型同时也接收来自原始数据集中的真实相似图像对，从而生成最有利于标记的数据对；判别模型将生成模型生成的数据对和原始真实相似图像对作为输入，并区分是生成图像对还是真实图像对，这两个模型在训练过程中扮演着对抗的角色，最后将判别模型作为跨数据域的特征提取模型用于检索任务；

在基于半监督对抗生成网络的迁移检索方法中，使用I_s表示有标签的原始数据集，I_t表示无标签的目标数据集，合并两个数据集为D＝{I_s,I_t},(I_s,I_t)∈R，合并数据集D划分为D_train和D_q，其中D_train是检索数据集，D_q是查询数据集；检索数据库D_train也作为网络训练数据集，包含了有标签数据集其中n表示有标签的数据集大小，中的类别标签表示为以及无标签数据集其中m表示无标签数据的大小，m＞＞n；查询数据集D_q＝{I_s1,I_t1}，其中基于半监督对抗生成网络的目标是训练两个映射方程和两个映射将原始数据集合目标数据映射到一个共同的汉明空间中，实现图像的迁移检索；通过学习映射函数给出任一数据集中的图像，通过快速汉明距离测量来检索另一数据集中的语义相似图像。