龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉理工大学
摘要：本发明提供一种基于自适应分布均衡特征的对比学习哈希图像检索方法，包括处理数据集，通过预训练网络处理图像数据，得到的结果作为对比学习框架的输入；构建对比学习网络，所述对比学习网络是一个孪生神经网络，在对比学习网络中首先通过相同的编码器并生成中间特征，极化操作后的中间特征分别经过特征分布优化得到最终特征，相应采取梯度截断策略，基于余弦相似性建立对比学习损失；改进损失函数，在中间特征后添加与编码器相应的解码器以重构，总损失函数包括对比学习框架的相似度损失保证特征质量的重构损失；训练整体网络模型，检验测试集中的图像检索精度，得到无监督对比学习哈希图像检索结果。本发明可提高图像检索精度。
主权项：1.一种基于自适应分布均衡特征的对比学习哈希图像检索方法，其特征在于，包括如下步骤：步骤1，处理数据集，划分数据集为测试集和数据集；步骤2，通过预训练网络处理图像数据，得到的结果作为对比学习框架的输入，包括通过不同随机数据增强方式将图像数据转换成两个增强视图，通过预训练网络生成相应初步特征x1和x2；步骤3，构建对比学习网络，所述对比学习网络是一个孪生神经网络，将步骤2中通过预训练网络生成的两个初步特征x1和x2作为对比学习网络的输入，在对比学习网络中首先通过相同的编码器并生成中间特征l1和l2，极化操作后的中间特征为和然后将分别经过特征分布优化得到最终特征h1、h2，对极化操作后的中间特征则分别采取梯度截断策略，得到相应结果基于余弦相似性建立对比学习损失如下 其中，cossim表示余弦相似性函数，stopgrad表示对极化后的中间特征进行梯度截断操作，表示对比学习损失；步骤4，改进损失函数，包括在中间特征l1和l2后添加与编码器相应的解码器，以重构中间特征l1和l2，设由解码器重构的输出结果是和计算和x1x2之间的重构损失如下， 其中，MSE表示均方误差；总损失函数包括对比学习框架的相似度损失和保证特征质量的重构损失步骤5，采用训练集训练步骤3和4所得整体网络模型，并使用训练好的整体网络模检验测试集中的图像检索精度，得到无监督对比学习哈希图像检索结果。
全文数据：
权利要求：
百度查询： 武汉理工大学 基于自适应分布均衡特征的对比学习哈希图像检索方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号