[发明专利]大规模图片集中基于语义一致性的近似搜索方法

摘要

本发明公开了一种在大规模图片集中基于语义一致性的近似搜索方法，包括转换矩阵训练过程：在计算图片集中的图片和抽样图片的相似度时引入语义一致性，并获得下一阶段所需的转换矩阵；哈希编码过程：根据训练过程得到的转换矩阵计算出图片和抽样图片之间的优化相似度，并根据优化相似度构建相似矩阵进而利用哈希编码技术对图片集中的各图片进行二进制编码；然后比较新的查询图片和各图片二进制编码的汉明距离，从而找到查询图片的近邻。本发明在对图片进行相似性度量时引入语义一致特性，可以更为准确的度量图片之间的相似性，使用随机梯度下降法来减少算法的训练时间，能够有效地应用于大规模的图片数据集中。

主权项

在大规模图片集中基于语义一致性的近似搜索方法，其特征在于：所述方法包括如下步骤：步骤1：输入图片集样本矩阵X，并输入图片集对应的语义类标记矩阵Y，其中X是n*d维的矩阵，Y是n*c维的矩阵，n是图片样本的个数，d是图片特征的维度，c是类标记的数量；步骤2：从图片集中随机抽取一部分图片作为抽样图片集；步骤3：定义图片集与抽样图片集中的图片间的关系矩阵W，结合关系矩阵并引入语义一致性构建目标函数表达式，通过随机梯度下降算法迭代求解优化，待表达式收敛后即得到优化完成的转换矩阵A；步骤4：对于每一个图片样本x，将转换矩阵A代入步骤3定义的关系矩阵中，得到关系矩阵的各个元素的值；通过关系矩阵构建出相似矩阵Z，结合相似矩阵得到编码矩阵，对大规模图片数据集中的各图片利用编码矩阵进行哈希编码，将图片由原始的d维特征压缩映射成k维的二进制编码；步骤5：对于一个新的查询图片q，通过编码矩阵计算出查询图片的二进制编码，与图片数据集中各图片的二进制编码比较汉明距离，如果汉明距离小于设定的门限阈值r，即认为两图片是近似图片。