[发明专利]基于多任务哈希学习的图像检索方法

摘要

本发明公开了一种基于多任务哈希学习的图像检索方法。首先确定深度卷积神经网络模型；其次利用多任务学习机制设计损失函数；然后确定卷积神经网络模型训练方法，结合损失函数，并利用反向传播方法对模型进行优化；最后输入图像至卷积神经网络模型，并将模型的输出转换生成哈希编码，进行图像检索。所述卷积神经网络模型由卷积子网络和全连接层组成；所述卷积子网络由第一卷积层、最大池化层、第二卷积层、平均池化层、第三卷基层及空间金字塔池化层依次组成；所述全连接层由隐含层、哈希层及分类层组成。所述模型训练方法有联合式和分离式两种训练方法。本发明的方法可对单标签和多标签图像进行有效检索，检索性能比其他深度哈希方法更佳。

主权项

1.基于多任务哈希学习的图像检索方法，其特征在于，具体步骤如下：步骤一、确定卷积神经网络模型；步骤二、利用多任务学习机制，设计损失函数为：L＝αLs+βLc+λLe；  (1)其中，L表示损失函数；Ls表示分类损失函数，Lc表示对比损失函数，Le表示信息熵损失函数；而α是分类损失函数Ls的权重系数，β是对比损失函数Lc的权重系数，γ是信息熵损失函数Le的权重系数；步骤三、确定卷积神经网络模型训练方法，结合设计的损失函数，并利用反向传播方法对卷积神经网络模型进行优化训练；步骤四、输入查询图像至训练后的卷积神经网络模型，并将训练后的卷积神经网络模型的输出转换生成哈希编码，进行图像检索。