一种基于强表示深度哈希的跨模态检索模型

发明专利有效专利

申请号：
CN202110922490.0
IPC分类号：G06F16/583;G06F16/38;G06K9/62;G06N3/08
申请日期：
2021-08-12
申请人：
中国石油大学（华东）

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于强表示深度哈希的跨模态检索模型
申请号	CN202110922490.0	申请日期	2021-08-12
法律状态	公开	申报国家	中国
公开/公告日	2021-11-12	公开/公告号	CN113641846A
优先权	暂无	优先权号	暂无
主分类号	G06F16/583	IPC分类号	G;0;6;F;1;6;/;5;8;3;;;G;0;6;F;1;6;/;3;8;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	中国石油大学（华东）	申请人地址	山东省青岛市黄岛区长江西路66号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国石油大学（华东）	当前权利人	中国石油大学（华东）
发明人	段友祥;陈宁;孙歧峰
代理机构	暂无	代理人	暂无

摘要

本发明提出了一种基于强表示深度哈希的跨模态检索模型，包括图像编码器f和文本编码器g，每个编码器又包括特征提取部分和哈希码学习部分。图像编码器f，主要用于将输入的图像转换为汉明空间中的哈希码；文本编码器g，主要用于将输入的文本转换为汉明空间中的哈希码。特征提取部分，负责将输入图像转换为强表示的特征矩阵(或者向量)。哈希码学习部分，负责将经过特征提取部分得到的特征，经过多层网络层映射为哈希码。大多数跨模态哈希方法，对特征提取部分不够重视，往往获得特征的弱表示。尤其是对于文本模态，单词间的顺序很重要，而这些方法缺大多仅仅使用全连接层进行特征提取，使用bag‑of‑words(BOW)进行文本词向量的表示，仅考虑独立的单词，忽略了单词之间的顺序关系，因此得到了离散且稀疏的文本弱表示。本发明所提出的深度哈希跨模态检索模型，认为数据的特征提取部分很重要，其对生成哈希码的有效性起到了关键的作用，通过该模型处理的数据可以获得特征的强表示，进而生成更加有效且更具有区分性的哈希码，进一步提高了模型的性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供