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: 2023105339389
申请人: 华南师范大学
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:

1.一种无监督哈希图像检索模型的训练方法,其特征在于,包括:输入图像训练样本集,对样本集中的图像进行数据增强,得到第一增强图像集和第二增强图像集,其中样本集中的每个图像都有对应的第一增强图像和第二增强图像;

对所述第一增强图像集进行特征提取得到第一图像特征集;

对所述第二增强图像集进行特征提取得到第二图像特征集;

对所述第一图像特征集进行映射和哈希编码得到第一潜在向量集、第一哈希连续向量集、第一哈希码集;

对所述第二图像特征集进行映射和哈希编码得到第二潜在向量集、第二哈希连续向量集、第二哈希码集;

根据所述第一图像特征集和所述第二图像特征集构造特征向量相似矩阵;

计算第一哈希连续向量集和第二哈希连续向量集中两两哈希连续向量之间的余弦距离,并与一边界阈值进行比较,若余弦距离小于边界阈值则根据两个哈希连续向量对应的潜在向量计算增强图像的对比损失;

根据所述第一哈希码集和所述第二哈希码集计算结构相似性损失;

将对比损失和结构相似性损失作为模型总损失,并根据总损失更新模型中的网络,直至模型收敛。

2.根据权利要求1所述的一种无监督哈希图像检索模型的训练方法,其特征在于,计算第一哈希连续向量集和第二哈希连续向量集中两两哈希连续向量之间的余弦距离,并与一边界阈值进行比较,若余弦距离小于边界阈值则根据两个哈希连续向量对应的潜在向量计算增强图像的对比损失,其具体的计算公式如下:其中表示哈希层与的余弦距离,m为控制负样本是否参与训练的边界阈值,为1表示负样本对参与训练,为0表示负样本对不参与训练。

3.根据权利要求2所述的一种无监督哈希图像检索模型的训练方法,其特征在于,根据所述第一哈希码集和所述第二哈希码集计算结构相似性损失,具体包括:根据第一哈希码集和第二哈希码集构建哈希码相似矩阵;

根据特征向量相似矩阵和哈希码相似矩阵计算结构相似性损失。

4.根据权利要求3所述的一种无监督哈希图像检索模型的训练方法,其特征在于,所述根据特征向量相似矩阵和哈希码相似矩阵计算结构相似性损失,是通过如下公式计算的:设给定长度为L的所有图像的二值编码为B={bi],(i=1...N),表示哈希码和的相似性,为batch中的第i个图像的哈希码,为batch中的第k个图像的哈希码,本文使用sign函数将特征向量映射到哈希码,哈希层权重Wh∈RL×4096,偏置vh∈RL×1,上标j表示的是不同增强的样本。

5.根据权利要求4所述的一种无监督哈希图像检索模型的训练方法,其特征在于,模型总损失的计算公式如下:其中Lc为改进的对比损失,Ln为结构相似性损失,其中α是控制Ln损失影响的超参数。

6.根据权利要求5所述的一种无监督哈希图像检索模型的训练方法,其特征在于,在将对比损失和结构相似性损失作为模型总损失之前,还包括,将正则项添加至模型中,更新模型的总损失;其中正则项计算公式如下:此时总损失L的计算公式如下:

其中β是控制LR损失影响的超参数。

7.一种用于训练无监督哈希图像检索模型的装置,其特征在于,包括:图像预处理模块:用于输入图像训练样本集,对样本集中的图像进行数据增强,得到第一增强图像集和第二增强图像集,其中样本集中的每个图像都有对应的第一增强图像和第二增强图像;

第一特征提取模块:用于对所述第一增强图像集进行特征提取得到第一图像特征集;

第二特征提取模块:用于对所述第二增强图像集进行特征提取得到第二图像特征集;

第一特征处理模块:用于对所述第一图像特征集进行映射和哈希编码得到第一潜在向量集、第一哈希连续向量集、第一哈希码集;

第二特征处理模块:用于对所述第二图像特征集进行映射和哈希编码得到第二潜在向量集、第二哈希连续向量集、第二哈希码集;

特征向量相似矩阵构造模块:用于根据所述第一图像特征集和所述第二图像特征集构造特征向量相似矩阵;

对比损失计算模块:用于计算第一哈希连续向量集和第二哈希连续向量集中两两哈希连续向量之间的余弦距离,并与一边界阈值进行比较,若余弦距离小于边界阈值则根据两个哈希连续向量对应的潜在向量计算增强图像的对比损失;

结构相似性损失计算模块:用于根据所述第一哈希码集和所述第二哈希码集计算结构相似性损失;

网络更新模块:用于将对比损失和结构相似性损失作为模型总损失,并根据总损失更新模型中的网络,直至模型收敛。

8.根据权利要求7所述的一种用于训练无监督哈希图像检索模型的装置,其特征在于,所述结构相似性损失计算模块包括:哈希码相似矩阵构建子模块:根据第一哈希码集和第二哈希码集构建哈希码相似矩阵;

结构相似性损失计算子模块:根据特征向量相似矩阵和哈希码相似矩阵计算结构相似性损失。

9.根据权利要求8所述的一种用于训练无监督哈希图像检索模型的装置,其特征在于,还包括:正则添加模块:用于将正则项添加至模型中,更新模型的总损失。

10.一种计算机设备,其特征在于,包括:

至少一个存储器以及至少一个处理器;

所述存储器,用于存储一个或多个程序;

当所述一个或多个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至6任一项所述的一种无监督哈希图像检索模型的训练方法的步骤。