欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020100215460
申请人: 山东建筑大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度二值细节感知哈希的可视媒体检索方法,其特征在于该方法包括以下步骤:(1)原始数据特征提取:使用深度网络进行图像的特征提取,具体方法为:①选择深度网络模型,将网络中的全连接层替换成相应的卷积层,根据所选择的图像区域的数量,确定输入网络的图像在预处理时进行缩放的大小,该步骤无需使用滑动窗口切割原始图像后再将图像区域输入网络得到区域的特征,而是以直接修改网络结构的方式实现了图像区域的划分;

②从网络输出的结果中得到对应于原始图像各个区域的哈希码,将这些哈希码进行平均融合,得到的即为原始图像的哈希码;

(2)构造哈希学习模型,具体方法为;

①建立基于成对图像相似度的损失函数项,即根据两个图像之间的相似度与其相应哈希码之间的相似度的一致性来设计,进而使得最终的图像哈希码能够保留原始图像之间的相似关系;

②建立基于同一图像或视频的不同相互重叠区域之间关系的损失函数项,即使得来自同一图像不同区域的哈希码之间尽可能地相似,从而约束同一图像或视频不同区域之间的哈希码能够在汉明空间中聚类,以提升哈希学习的性能;

③通过构造的损失函数进行学习,得到样本的融合了区域二值细节信息的哈希码,构造的损失函数具体为:其中,第一项是基于成对图像相似度的损失函数项,第二项是基于同一图像或视频的不同相互重叠区域之间关系的损失函数项,第三项是使得图像的被松弛的哈希码hi与对应的真正哈希码bi之间差距尽可能小的量化项,公式中,hik代表第i个图像的第k个区域对应2

的网络输出,θ为使用的网络的参数,n、N、c分别表示图像的数量、图像区域的数量和哈希码的长度,S表示相似度矩阵,sij表示第i张图像与第j张图像之间的相似度,1为相似,0为不相似,bi=sign(hi)表示图像的哈希码, 且 γ和η是超参数。