[发明专利]基于深度学习的多模态哈希方法在审
| 申请号： | 201811317084.6 | 申请日： | 2018-11-07 |
| 公开（公告）号： | CN109558498A | 公开（公告）日： | 2019-04-02 |
| 发明（设计）人： | 吴家皋;杨璐;刘林峰 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F16/43 | 分类号： | G06F16/43;G06K9/62 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210023 *** | 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： | 本发明揭示了一种基于深度学习的多模态哈希方法，包括如下步骤：S1、提取特征并依据特征生成相应的图像哈希二值码及文本哈希二值码；S2、通过损失函数训练网络，优化网络参数，将所生成的相似的图像哈希二值码和文本的哈希二值码映射到同一个样本空间内的相邻位置，最大化多模态相关性；S3、利用经过训练的网络，完成多模态相似性检索。本发明利用深度神经网络提取了同一实体的图像和文本的特征表示，其中，图像部分利用卷积神经网络提取图像的基本特征，文本部分利用Word2vec来训练语言模型，显著提高了检索的精度。 | ||
| 搜索关键词： | 多模态 哈希 文本 图像哈希 图像 卷积神经网络 相似性检索 神经网络 损失函数 特征表示 特征生成 提取特征 提取图像 同一实体 网络参数 相邻位置 训练网络 样本空间 语言模型 最大化 映射 检索 学习 优化 网络 | ||
【主权项】：
1.一种基于深度学习的多模态哈希方法，其特征在于，包括如下步骤：S1、提取特征并依据特征生成相应的图像哈希二值码及文本哈希二值码；S2、通过损失函数训练网络，优化网络参数，将所生成的相似的图像哈希二值码和文本的哈希二值码映射到同一个样本空间内的相邻位置，最大化多模态相关性；S3、利用经过训练的网络，完成多模态相似性检索。
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南京邮电大学，未经南京邮电大学许可，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/201811317084.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种数据本体侦查分析方法
- 下一篇：多媒体信息自动组合方法、装置及系统
