[发明专利]一种融合自适应相似度和贝叶斯框架的图像检索方法有效
| 申请号： | 201811104365.3 | 申请日： | 2018-09-21 |
| 公开（公告）号： | CN109522432B | 公开（公告）日： | 2023-01-31 |
| 发明（设计）人： | 冯永;乐艺泽;尚家兴;强宝华 | 申请（专利权）人： | 重庆大学;桂林电子科技大学 |
| 主分类号： | G06F16/53 | 分类号： | G06F16/53;G06N3/08 |
| 代理公司： | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人： | 郭云 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像检索技术领域，公开了一种融合自适应相似度和贝叶斯框架的图像检索方法，包括以下步骤：S1：构建相似度矩阵和标识矩阵；S2：通过构建深度哈希神经网络模型从而将图像转换为近似哈希向量；S3：构建融合贝叶斯框架的损失函数；S4:通过构建相似度更新幅度模型实现图像相似度的调整；S5：对构建的深度哈希神经网络模型进行训练；S6：构建图像的哈希向量数据库；S7：将需检索图像的哈希向量与构建的哈希向量数据库进行比对，以找出相似的图像。通过本发明可提高图像的检索速度和精度。 | ||
| 搜索关键词： | 一种 融合 自适应 相似 贝叶斯 框架 图像 检索 方法 | ||
【主权项】：
1.一种融合自适应相似度和贝叶斯框架的图像检索方法，其特征在于，包括以下步骤：S1：构建相似度矩阵和标识矩阵；S2：通过构建深度哈希神经网络模型从而将图像转换为近似哈希向量；S3：构建融合贝叶斯框架的损失函数；S4:通过构建相似度更新幅度模型实现图像相似度的调整；S5：对构建的深度哈希神经网络模型进行训练；S6：构建图像的哈希向量数据库；S7：将需检索图像的哈希向量与构建的哈希向量数据库进行比对，用于找出相似的图像。
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重庆大学;桂林电子科技大学，未经重庆大学;桂林电子科技大学许可，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/201811104365.3/，转载请声明来源钻瓜专利网。
