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: 2022110936737
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
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:

1.一种基于分类标签的深度哈希检索方法,其特征在于:图像检索方法包括如下步骤:步骤1:使用预训练的卷积神经网络提取训练图像数据库中图像的高维特征;

步骤2:将步骤1提取的图像的高维特征输入深度哈希网络计算得到低维类哈希码;

步骤3:将步骤2得到的低维类哈希码输入分类器得到分类特征;

步骤4:使用步骤2得到的低维特征和步骤3得到的语义特征计算损失函数值;

损失函数定义为:

pi是当前图片xi经过分类器后得到的属于每个类别的概率,pi∈TC,<·>代表内积操作,N为输入图像的数量;

L2=Lp-loss+Lb-loss

其中:

P+代表当前数据对应的正代理集,代表与代理同类的样本集,代表与代理异类的样本集,αp和αn分别用于调节正负样本的优化方向,使正负样本朝着最优的方向优化,δp是正样本对之间的阈值,规定正样本之间的相似度应高于该阈值,δn是负样本对之间的阈值,规定负样本之间的相似度应低于该阈值,δp和δn控制着样本间的离散程度,代表样本特征ui与正代理特征up之间的余弦相似性,代表样本特征ui与负代理特征un之间的余弦相似性;

是第i个类哈希码,是第i个哈希码,是由公式hK=sgn(dK)来量化类哈希码得到的,其中sgn(·)是符号函数,它返回一个变量的正负符号,对于正数值为1,对于负数值为-1;N为训练批大小;表示l2范数向量,以减少类哈希码与哈希码之间的距离;

最终的损失函数为:

L3=ηL1+(1-η)L2;

步骤5:通过反向传播和共享权重对卷积神经网络和深度哈希网络的参数进行调整,得到网络的最终参数;

步骤6:对于测试阶段,将查询图像和测试图像集输入最终得到的网络,将得到的标签编码后与计算得到的哈希码进行拼接,计算汉明距离进行排序,得到与查询图像相关的图像列表。

2.根据权利要求1所述的一种基于分类标签的深度哈希检索方法,其特征在于通过预训练网络提取高维特征后,所述方法还包括:在预训练网络后构建深度哈希网络进行特征降维操作提取相似度信息,获取类哈希码,得到低维特征;

在深度哈希网络后构建分类网络提取语义信息,得到分类特征。

3.根据权利要求2所述的一种基于分类标签的深度哈希检索方法,其特征在于获得所述的语义特征和低维特征后,同时运用这两种特征计算损失函数。

4.根据权利要求1所述的一种基于分类标签的深度哈希检索方法,其特征在于所述的步骤6中,在测试阶段得到图像列表的方法如下:步骤1:使用深度哈希网络对高维深度特征进行计算得到低维类哈希码特征步骤2:通过公式bi=sgn(ui)计算得到基于相似度生成的视觉内容哈希码;

步骤3:利用ci=argmax(pi)的方式获得当前图片的预测标签ci,对预测标签ci进行二进制表示得到标签二值码,拼接得到基于分类的哈希码;

步骤4:计算查询图像和测试图像集的基于分类的哈希码的汉明距离得到排序序列。