申请/专利权人:四川大学
申请日:2024-01-10
公开(公告)日:2024-04-09
公开(公告)号:CN117851621A
主分类号:G06F16/53
分类号:G06F16/53;G06F16/51;G06F16/583;G06F16/31;G06F16/332
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种可信跨模态哈希检索方法,属于跨模态检索技术领域,包括:根据包含真值标签向量的图文训练集,进行特征提取,并利用图像模态哈希网络和文本模态哈希网络进行处理,得到图像哈希码和文本哈希码,并计算得到图文对的正证据和负证据;利用图文对的正证据和负证据,以及对应的真值标签向量,对图像模态哈希网络、文本模态哈希网络和负证据提取网络进行优化,利用优化后的图像模态哈希网络、文本模态哈希网络和负证据提取网络对图像查询样本集和文本检索样本集进行分析,得到检索结果和检索结果的不确定度。本发明通过正证据和负证据的提取,实现跨模态哈希检索的证据量化,估计检索结果的不确定度,实现可信检索。
主权项:1.一种可信跨模态哈希检索方法,其特征在于,包括以下步骤:S1:获取包含真值标签向量的图文训练集,并进行特征提取,得到图像特征和文本特征;S2:建立图像模态哈希网络和文本模态哈希网络,并一一对应对图像特征和文本特征进行处理,得到图像哈希码和文本哈希码;S3:根据图像哈希码和文本哈希码进行计算,得到图文对的正证据,并建立负证据提取网络对图像哈希码和文本哈希码进行处理,得到图文对的负证据;S4:根据图文对的正证据和负证据,以及对应的真值标签向量,对图像模态哈希网络、文本模态哈希网络和负证据提取网络进行反向梯度优化,得到优化后的图像模态哈希网络、文本模态哈希网络和负证据提取网络;S5:根据图像查询样本集和文本检索样本集,利用优化后的图像模态哈希网络和文本模态哈希网络进行分析,得到哈希码,并获取检索结果;S6:根据图像查询样本集和文本检索样本集,利用优化后的负证据提取网络进行分析并计算,得到检索结果的不确定度,完成可信跨模态哈希检索。
全文数据:
权利要求:
百度查询: 四川大学 一种可信跨模态哈希检索方法
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。