申请/专利权人:湖南大学
申请日:2023-12-29
公开(公告)日:2024-03-22
公开(公告)号:CN117743605A
主分类号:G06F16/383
分类号:G06F16/383;G06F16/332;G06F16/31;G06F16/583;G06F16/51;G06F16/532;G06F40/30;G06F18/241;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种保持数据和语义一致性的跨模态哈希检索方法及系统,方法包括:获取多模态数据的公共特征表示和独有特征表示,并基于公共特征表示和独有特征表示构建潜在数据一致性学习模型;根据多模态数据的最优特征表示以非对称范式的形式构建潜在语义一致性学习模型;分别迭代优化潜在数据一致性学习模型和潜在语义一致性学习模型,并根据优化后的两个学习模型生成最优哈希码;根据最优哈希码进行哈希函数学习,并根据学习得到的哈希函数完成跨模态哈希检索。本发明的方法可以最大化地保持多模态数据的数据和语义一致性,从而提高跨模态检索效果;且可以降低量化误差,从而减小量化误差对哈希码的学习和生成产生的不利影响。
主权项:1.一种保持数据和语义一致性的跨模态哈希检索方法,其特征在于,包括步骤:S101,获取多模态数据的公共特征表示和独有特征表示,并基于所述公共特征表示和独有特征表示构建多模态数据的潜在数据一致性学习模型;S102,根据多模态数据的最优特征表示以非对称范式的形式构建多模态数据的潜在语义一致性学习模型;S103,分别迭代优化所述潜在数据一致性学习模型和潜在语义一致性学习模型,并根据优化后的两个学习模型生成多模态数据的最优哈希码;S104,根据所述最优哈希码进行哈希函数学习,并根据学习得到的哈希函数完成多模态数据的跨模态哈希检索。
全文数据:
权利要求:
百度查询: 湖南大学 保持数据和语义一致性的跨模态哈希检索方法及系统
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。