[发明专利]一种无监督图像深度哈希检索方法及系统

权利要求书

1.一种无监督图像深度哈希检索方法，其特征在于，包括：

获取待检索图像；

将待检索图像输入预先得到的哈希特征提取网络，得到该图像的哈希码；计算与哈希码数据库中图像的哈希码的汉明距离并排序，汉明距离越小检索排名越靠前，输出排名最靠前的图像作为检索结果；

其中所述哈希特征提取网络和哈希码数据库是通过以下步骤得到的：

获取无标签图像数据，利用获取到的图像数据构建样本对；

基于构建的样本对，利用预设的损失函数采用梯度更新和动量更新对预先构建的无监督对比哈希学习网络进行参数更新；

选取更新完成的无监督对比哈希学习网络中利用梯度更新的分支作为哈希特征提取网络；

将获取到的无标签图像数据输入所述哈希特征提取网络，得到图像的二值哈希特征，合并生成哈希码数据库。

2.根据权利要求1所述的无监督图像深度哈希检索方法，其特征在于，所述预先构建的无监督对比哈希学习网络，包括两个结构相同参数不同的视觉Transformer模型，在两个视觉Transformer模型输出层后，嵌入哈希编码层。

3.根据权利要求2所述的无监督图像深度哈希检索方法，其特征在于，所述视觉Transformer模型包含多头自注意力模块和多层神经网络模块。

4.根据权利要求3所述的无监督图像深度哈希检索方法，其特征在于，所述预设的损失函数为：

(1)式中，表示损失函数；表示对比损失；表示量化损失；α表示和之间的权重；

对比损失通过下式计算得到：

(2)式中，q表示一个样本数据；k₊表示正例样本；τ表示温度系数；M表示用于计算对比损失样本总个数；Φ表示用于抽取特征的视觉Transformer模型；

量化损失通过下式计算得到：

(3)式中，b_i表示二值化哈希编码特征，满足b_i＝tanh(Φ(x_i))；h_i表示哈希编码量化前的深度特征；K表示哈希特征编码长度。

5.根据权利要求1所述的无监督图像深度哈希检索方法，其特征在于，所述梯度更新和动量更新满足：

ξ←ηξ+(1-η)θ (4)

(4)式中，θ表示梯度更新的网络参数；ξ表示动量更新的网络参数；η表示衰减率，取值范围为[0,1]。

6.根据权利要求1所述的无监督图像深度哈希检索方法，其特征在于，所述利用获取到的图像数据构建样本对，包括：

将一张无标签图像按照从上到下从左到右的顺序切分为包含部分重叠/不重叠区域的n个小块，该包含n块图像的序列作为训练样本q；随机打乱n块图像序列后构成的长度为n的序列，作为训练样本q的正例样本k₊。

7.一种无监督图像深度哈希检索系统，其特征在于，包括：

获取模块：用于获取待检索图像；

检索模块：用于将待检索图像输入预先得到的哈希特征提取网络，得到该图像的哈希码；计算与哈希码数据库中图像的哈希码的汉明距离并排序，汉明距离越小检索排名越靠前，输出排名最靠前的图像作为检索结果；

其中，所述检索模块包括构建模块：用于构建哈希特征提取网络和哈希码数据库。

8.根据权利要求7所述的无监督图像深度哈希检索系统，其特征在于，所述构建模块包括：

样本对构建组件：用于获取无标签图像数据，利用获取到的图像数据构建样本对；

训练组件：用于基于构建的样本对，利用预设的损失函数采用梯度更新和动量更新对预先构建的无监督对比哈希学习网络进行参数更新；

第一输出组件：用于选取更新完成的无监督对比哈希学习网络中利用梯度更新的分支作为哈希特征提取网络；

第二输出组件：用于将获取到的无标签图像数据输入所述哈希特征提取网络H(.)，得到图像的二值哈希特征，合并生成哈希码数据库。