恭喜哈尔滨工业大学(深圳)张正获国家专利权
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!
龙图腾网恭喜哈尔滨工业大学(深圳)申请的专利一种深度自适应多模态哈希检索方法及相关设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114691897B 。
龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210284064.3,技术领域涉及:G06F16/41;该发明授权一种深度自适应多模态哈希检索方法及相关设备是由张正;安峻枫;卢光明设计研发完成,并于2022-03-22向国家知识产权局提交的专利申请。
本一种深度自适应多模态哈希检索方法及相关设备在说明书摘要公布了:本发明公开了深度自适应多模态哈希检索方法及相关设备,本发明提供的方法,在面向多模态数据的哈希学习过程中先根据每一个模态数据的物理特性和特质,设计各自模态数据的特征学习网络,根据每次投入学习的训练样本中各个模态对最终共有特征的性能所做贡献大小,对每一个模态特征确定可学习的权重,根据权重来对各个模态的特征进行融合,实现了根据训练样本自身特性完成自适应权重的信息融合;使融合后的共有特征与哈希码的差异最小化,此过程加入从预设标签中提取的可伸缩语义特征,对哈希函数的参数进行自动更新,实现了特征空间与哈希空间的对齐,使用标签语义信息监督参数更新,能够提升多模态特征自适应融合能力和哈希学习的判别性表征能力。
本发明授权一种深度自适应多模态哈希检索方法及相关设备在权利要求书中公布了:1.一种深度自适应多模态哈希检索方法,其特征在于,所述方法包括:在多个训练样本中选择多个目标训练样本组成目标训练批次,每个所述训练样本中包括至少一个模态的数据,根据所述目标训练样本中数据的模态确定所述目标训练样本对应的第一特征提取网络集,所述第一特征提取网络集中包括所述目标训练样本中各个模态分别对应的第一特征提取网络,通过各个所述第一特征提取网络获取所述目标训练样本中各个模态的初始特征,其中,每个所述训练样本为多模态数据,所述多模态数据包括视频、音频、文本和图像;将所述目标训练样本中的各个模态的所述初始特征输入至权重提取网络,获取所述权重提取网络输出的所述目标训练样本中各个模态的权重,根据每个模态对应的权重将所述目标训练样本中各个模态的所述初始特征进行融合,得到所述目标训练样本对应的融合特征;将所述目标训练样本的所述融合特征输入至第一哈希网络,获取所述第一哈希网络输出的样本哈希码,将所述目标训练样本对应的语义标签输入至第二哈希网络,获取所述第二哈希网络输出的语义哈希码;根据每个所述目标训练样本的所述样本哈希码和所述语义哈希码获取所述目标训练批次的训练损失,根据所述目标训练批次的训练损失更新所述第一哈希网络的参数;重新执行所述在多个训练样本中选择多个目标训练样本组成目标训练批次的步骤,直至所述第一哈希网络的参数收敛,采用参数收敛后的所述第一哈希网络获取待检索样本对应的哈希码,利用所述待检索样本对应的哈希码对所述待检索样本进行检索,得到检索结果。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人哈尔滨工业大学(深圳),其通讯地址为:518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
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。