[发明专利]基于直推式零样本哈希的多标签图像检索方法及设备有效
| 申请号： | 201910943151.3 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110795590B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 邹勤;曹玲 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06F16/55 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 齐晨涵 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于多标签图像检索的直推式零样本哈希方法及设备。本方法利用带有标注的源域数据和不带标注的目标域数据进行零样本训练，结合深度卷积神经网络学习利用源域学习视觉特征与语义嵌入之间的关系，利用目标域缓解域偏移的问题，构建了一种端到端的深度学习模型，对没有认为标注信息的图像进行检索，输出与检索图像类似的多幅图像，有效的提高了无标注多标签图像的检索效率。 | ||
| 搜索关键词： | 基于 直推式零 样本 标签 图像 检索 方法 设备 | ||
【主权项】：
1.一种基于直推式零样本哈希的多标签图像检索方法，包含以下步骤：/n步骤S1，构建已经标注的源域图像数据集以及标签集和未标注的目标域图像集，源域图像数据集和目标域图像数据集中的图像不含有相同类的物体；/n步骤S2，构建深度学习网络模型，该模型包括特征提取网络，哈希学习网络和视觉-语义一致性学习网络；/n步骤S3，利用S1构建的图像数据集对步骤S2构建的深度学习模型进行训练，源域图像数据集用于学习视觉图像和语义嵌入之间的关系，产生视觉语义损失；目标域图像数据集用于缓解域偏移，通过视觉-语义一致性学习网络得到预测标签作为监督信息产生哈希损失，两种损失共同反向传播更新网络；/n步骤S4，利用S3训练好的哈希学习网络实现待检索图像的哈希检索。/n
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武汉大学，未经武汉大学许可，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/201910943151.3/，转载请声明来源钻瓜专利网。
