[发明专利]基于语义迁移的弱监督深度哈希社交图像检索方法和系统

摘要

本公开提供了一种基于语义迁移的弱监督深度哈希社交图像检索方法和系统。本公开将特征学习和哈希函数学习整合到一个统一的深度框架中，首先，通过锚点图哈希实现图像视觉相似性保存，其次，利用社交图像所附有的用户标签，通过两个层次的语义迁移，学习语义增强的哈希码。在这个框架中，图像视觉相似性保存和两个层次的语义迁移可以指导特征表示和哈希函数的学习，改进后的深度表示和哈希模型有利于视觉相似性保存和语义的迁移，两者相互促进。另外，本公开提出了基于增广拉格朗日乘数法的离散哈希优化方法，在没有量化损失的前提下，通过快速的哈希码求解操作直接求解哈希码。

主权项

1.基于语义迁移的弱监督深度哈希社交图像检索方法，其特征是，包括：/n获取待检索的社交图像，以及获取社交图像的图像标签，构造包含图像标签的图像数据库，并划分为训练集、测试集和数据库集；/n构建深度哈希模型并进行网络参数初始化；/n将训练集输入到所构建的深度哈希网络中，获取图像特征沿着网络继续传输，得到Φ(x_i；Θ)，其中表示特征表示部分的网络参数，Θ表示整个深度哈希网络的参数，x_i表示训练集中第i个样本；/n根据训练集的图像特征、图像标签和深度哈希网络的输出Φ(x_i；Θ)，分别构建图像视觉相似性保存、直接语义迁移和间接语义迁移的损失函数，以及深度哈希网络的量化损失函数，整合得到整体的目标函数；/n求解目标函数，利用反向传播和随机梯度下降算法更新网络参数，直至达到迭代次数，从而得到哈希函数；/n利用哈希函数获取测试集和数据库集中社交图像的哈希码，计算每个测试集样本的哈希码与数据库集样本的哈希码之间的汉明距离，数据库集样本按其对应的汉明距离升序排序，得到检索结果。/n