[发明专利]一种基于离散梯度反向传播的图像检索方法有效
| 申请号： | 201910974197.1 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110795591B | 公开（公告）日： | 2022-07-22 |
| 发明（设计）人： | 苏勤亮;黄晓娜 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于离散梯度反向传播的图像检索方法，该方法解决了深度特征学习和二进制哈希编码端到端框架中存在的病态梯度问题。针对深度网络非凸优化中存在的病态梯度问题，利用离散梯度反向传播对非光滑激活的深度网络进行梯度估计，将其转化为一个可以反向传播训练的深度神经网络。通过在训练过程中引入离散变量的梯度估计量，使优化过程中准确学习二进制哈希码成为可能。 | ||
| 搜索关键词： | 一种 基于 离散 梯度 反向 传播 图像 检索 方法 | ||
【主权项】：
1.一种基于离散梯度反向传播的图像检索方法，其特征在于，包括以下步骤：/nS1：将图像数据的语义相似度矩阵S；/nS2：构建卷积神经网络架构，卷积神经网络架构包含卷积子网络、全连接层、阈值化层、损失层，卷积子网络中的每个卷积层后都加一个最大池化层；/nS3：利用训练样本集对神经网络进行训练，在训练过程中，用梯度估计量估计神经网络中量化过程中不可求导的梯度值；/nS4：在测试过程中，从测试样本集选择一张查询图像x
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中山大学，未经中山大学许可，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/201910974197.1/，转载请声明来源钻瓜专利网。
