[发明专利]基于神经网络自适应的深度哈希图像搜索方法有效
| 申请号： | 201910071846.7 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109948029B | 公开（公告）日： | 2022-10-14 |
| 发明（设计）人： | 胡海峰;蒋林瑞 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F16/953 | 分类号： | G06F16/953;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 陈栋智 |
| 地址： | 210023 江苏*** | 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： | 本发明公开了强化学习及深度学习领域的一种基于神经网络自适应的深度哈希图像搜索方法，首先在数据集中对大规模图像进行分类标记，然后通过定义搜索空间，利用循环神经网络抽样得到多组卷积神经网络结构模型，随后分别将抽样得到的卷积神经网络在哈希损失函数的约束下训练并得到mAP值，然后利用传回的mAP值，使用强化学习中的策略梯度方法同时通过反向传播来更新循环神经网络的参数，在达到目标迭代数目后，最后选取了最终的神经网络结构，本发明解决了在大规模图像检索过程中，传统深度哈希方法应用图像分类卷积神经网络而不是适应于深度哈希任务的神经网络所导致的性能欠佳的问题，有效提高了神经网络结构的设计效率，减少了计算开销。 | ||
| 搜索关键词： | 基于 神经网络 自适应 深度 希图 搜索 方法 | ||
【主权项】：
1.一种基于神经网络自适应的深度哈希图像搜索方法，其特征在于，包括以下步骤：步骤1：在数据集中对大规模图像进行分类标记；步骤2：定义搜索空间；步骤3：通过循环神经网络抽样得到多组卷积神经网络结构模型；步骤4：分别将抽样得到的卷积神经网络在哈希损失函数的约束下训练至收敛，在验证集上得到mAP值；步骤5：利用传回的mAP值，使用强化学习中的策略梯度方法同时通过反向传播来更新循环神经网络的参数；步骤6：重复步骤3至5进行迭代，直到达到目标迭代轮数，选取最终神经网络，在训练集上训练至收敛。
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/201910071846.7/，转载请声明来源钻瓜专利网。
