[发明专利]基于对偶学习生成对抗网络的跨模态泛化零样本检索方法有效
| 申请号： | 202010337222.8 | 申请日： | 2020-04-26 |
| 公开（公告）号： | CN111581405B | 公开（公告）日： | 2021-10-26 |
| 发明（设计）人： | 徐行;朱佳文;沈复民;汪政;杨阳;申恒涛 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F16/48 | 分类号： | G06F16/48;G06F16/45;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 周刘英 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于对偶学习生成对抗网络的跨模态泛化零样本检索方法，该方法基于对偶学习构建生成对抗网络，将不同模态的高维视觉特征映射到共同的低维的语义嵌入空间，然后构造多种约束机制进行循环一致性约束，生成对抗约束和分类器约束，以维持视觉‑语义一致性和生成特征‑源特征一致性，经过整个网络训练后进行跨模态检索，使得模型在泛化零样本检索问题上性能更为强大。同时，整个训练过程不需要像素级上成对的多媒体数据对作为训练样本，只需要类别上成对的数据，以减少数据集收集的繁琐度和昂贵成本，检索效果更优，在零样本泛化检索问题中性能提升更为明显。 | ||
| 搜索关键词： | 基于 对偶 学习 生成 对抗 网络 跨模态 泛化 样本 检索 方法 | ||
【主权项】：
暂无信息
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电子科技大学，未经电子科技大学许可，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/202010337222.8/，转载请声明来源钻瓜专利网。
