申请/专利权人：中山大学

申请日：2020-10-13

公开（公告）日：2021-02-12

公开（公告）号：CN112364192A

主分类号：G06F16/53(20190101)

分类号：G06F16/53(20190101);G06F16/51(20190101);G06F16/583(20190101);G06N20/20(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.03.05#实质审查的生效;2021.02.12#公开

摘要：本发明提供一种基于集成学习的零样本哈希检索方法，该方法将集成学习的方法应用于零样本图片检索问题，使用VGG‑16提取图片的高维实数特征，然后用全连接层和激活函数将高维实数特征转化为低维二进制哈希码，在保证检索效果的前提下，减少了存储空间。之后，利用集成学习的训练方法，更新哈希模型，从而使模型具有更强的泛化能力，使模型在新类别的图片上的检索效果也大大提升。

主权项：1.一种基于集成学习的零样本哈希检索方法，其特征在于，包括以下步骤：S1：将训练集按照类别标签分为类别不重叠的两部分A和B；S2：分别用A、B和A+B作为训练数据，通过VGG-16模型和一层全连接层，得到训练样本的哈希码；S3：利用三元组损失，得到训练过程中的损失；S4：利用SWA方法训练更新网络，得到收敛后的模型；S5：步骤S2中的3个数据集训练可以得到3个不同的模型，求它们求平均值，得到最终的集成模型；S6：计算集成模型在测试集上的检索结果。

全文数据：

权利要求：

百度查询： 中山大学 一种基于集成学习的零样本哈希检索方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD