[发明专利]基于卷积神经网络和监督核哈希的目标检索方法在审
| 申请号： | 201810157751.2 | 申请日： | 2018-02-24 |
| 公开（公告）号： | CN108304573A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 李弼程;赵永威;朱彩英;陈良浩 | 申请（专利权）人： | 江苏测联空间大数据应用研究中心有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215000 江苏省苏州市高*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及检索方法领域，尤其是基于卷积神经网络和监督核哈希的目标检索方法。该检索方法包括：(1)引入卷积神经网络对训练图像进行学习，利用其特殊网络结构隐式地学习得到图像数据的高阶表示，生成深层特征；(2)引入增强对线性不可分数据的分辨力的监督核哈希方法，同时利用哈希码内积与汉明距离的等价关系提出目标函数，并结合训练图像的相似性信息对高维图像特征进行监督学习，并生成哈希码；(3)利用已训练好的哈希函数构造图像索引，实现对大规模图像数据的检索。本发明通过基于卷积神经网络和监督核哈希的目标检索方法极大地提高了目标检索效率，增强了在大数据环境下的实用性。 | ||
| 搜索关键词： | 卷积神经网络 目标检索 哈希 检索 图像数据 哈希码 监督 哈希函数构造 相似性信息 等价关系 汉明距离 结合训练 目标函数 图像索引 图像特征 网络结构 训练图像 大数据 引入 高阶 高维 内积 隐式 学习 分辨 图像 | ||
【主权项】：
1.一种基于卷积神经网络和监督核哈希的目标检索方法，其特征是，包括以下步骤：(1)引入卷积神经网络对训练图像进行学习，利用其特殊网络结构隐式地学习得到图像数据的高阶表示，生成深层特征；(2)引入增强对线性不可分数据的分辨力的监督核哈希方法，同时利用哈希码内积与汉明距离的等价关系提出目标函数，并结合训练图像的相似性信息对高维图像特征进行监督学习，并生成哈希码；(3)利用已训练好的哈希函数构造图像索引，实现对大规模图像数据的检索。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏测联空间大数据应用研究中心有限公司，未经江苏测联空间大数据应用研究中心有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810157751.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种大数据存储方法和系统
- 下一篇：一种远程监控计算机内目标文档的方法
