申请/专利权人：山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117874277A

主分类号：G06F16/583

分类号：G06F16/583;G06F16/51;G06N3/0499;G06N3/048;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：一种基于无监督域自适应哈希的图像检索方法，涉及图像检索技术领域，为了缩小源域和目标域的域差异，设计了类别级的原型对比学习，可以更好地指导哈希学习。在一个简洁的框架内成功的整合了域自适应和哈希学习，从而在无监督域自适应哈希环境下显著提高了检索性能。在技术上，通过在域共享空间中进行原型对比学习，再在源域和目标域的语义关系保持和哈希码的量化约束的限制下映射到汉明空间。提高了图像的检索性能，同时减少了检索的时间、空间消耗。

主权项：1.一种基于无监督域自适应哈希的图像检索方法，其特征在于，包括如下步骤：a获取源域数据集和目标域数据集，，为第个源域数据，，为源域数据的数量，为第个源域数据对应的标签，，为第个目标域数据，，为目标域数据的数量；b将目标域数据集划分为训练集和测试集；c构建深度域自适应哈希模型，将源域数据集中的第个源域数据输入到深度域自适应哈希模型中，输出得到松弛哈希码，将训练集中第个目标域数据输入到深度域自适应哈希模型中，输出得到松弛哈希码；d根据松弛哈希码构建二值哈希码，根据松弛哈希码构建二值哈希码；e根据第个源域数据对应的标签构建原型对比损失；f根据源域数据的松弛哈希码集合及目标域训练集数据的松弛哈希码集合构建关系保持损失；g根据源域数据的松弛哈希码集合、目标域训练集数据的松弛哈希码集合、源域数据的二值哈希码集及目标域训练集数据的二值哈希码集构建哈希码的量化损失；h根据原型对比损失、关系保持损失、哈希码的量化损失计算得到总损失；i使用Adam优化器利用总损失训练深度域自适应哈希模型，得到优化后的深度域自适应哈希模型；j将测试集中的数据输入到优化后的深度域自适应哈希模型中，得到图像检索结果。

全文数据：

权利要求：

百度查询： 山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院) 一种基于无监督域自适应哈希的图像检索方法

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。

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