[发明专利]用于检索图像的神经网络装置及其操作方法

权利要求书

1.一种神经网络装置，包括：

处理器，其执行训练神经网络的操作；

特征提取模块，其提取对应于未标记图像的未标记特征向量和对应于标记图像的标记特征向量；以及

分类器，其配置为对查询图像的类别进行分类，

其中，所述处理器通过使用所述标记特征向量来执行关于多个码本的第一学习，并且通过基于所述标记特征向量和所述未标记特征向量的全部对熵进行优化来执行关于所述多个码本的第二学习。

2.根据权利要求1所述的神经网络装置，其中，在所述第一学习中，所述处理器计算所述标记特征向量的代表值，将计算出的向量确定为原型向量，并且学习对应于所述标记特征向量的所述多个码本以使得所述标记特征向量邻近所述原型向量。

3.根据权利要求2所述的神经网络装置，其中，所述代表值对应于所述标记特征向量的平均值、中值和众数中的一者。

4.根据权利要求2所述的神经网络装置，其中，在所述第二学习中，所述处理器通过将原型向量的值调整为邻近所述未标记特征向量来使原型向量的熵最大化。

5.根据权利要求4所述的神经网络装置，其中，在所述第二学习中，所述处理器学习对应于所述未标记特征向量的所述多个码本，以使得所述未标记特征向量邻近调整后的原型向量。

6.根据权利要求5所述的神经网络装置，其中，所述处理器生成包括针对所述多个码本中的每一个的二进制散列码的散列表，其中所述二进制散列码代表与特征向量相似的码字。

7.根据权利要求6所述的神经网络装置，其中，所述处理器接收查询图像，提取所接收的查询图像的特征向量，并且将所提取的特征向量与所述多个码本之间的差值存储在查找表中。

8.根据权利要求7所述的神经网络装置，其中，所述处理器基于所述查找表和所述散列表计算所述查询图像、所述未标记图像和所述标记图像之间的距离值。

9.根据权利要求8所述的神经网络装置，其中所述处理器识别与计算出的距离值中的最小值相对应的图像，并且将所识别的图像的类别分类为所述查询图像的类别。

10.一种操作神经网络的方法，所述方法包括步骤：

提取对应于未标记图像的未标记特征向量和对应于标记图像的标记特征向量；

通过使用所述标记特征向量来执行关于多个码本的第一学习；以及

通过基于所述标记特征向量和所述未标记特征向量的全部对熵进行优化来执行关于所述多个码本的第二学习。

11.根据权利要求10所述的方法，其中，执行所述第一学习的步骤包括：

计算所述标记特征向量的代表值；

将计算出的代表值确定为原型向量的值；以及

学习对应于所述标记特征向量的多个码本，以使得所述标记特征向量邻近所述原型向量。

12.根据权利要求11所述的方法，其中，执行所述第二学习的步骤还包括：通过调整所述原型向量的值使得所述原型向量邻近所述未标记特征向量，来优化所述原型向量的熵。

13.根据权利要求12所述的方法，其中，执行所述第二学习的步骤还包括：学习与所述未标记特征向量相对应的多个码本，以使得所述未标记特征向量对应于调整后的原型向量。

14.根据权利要求13所述的方法，还包括步骤：生成包括针对所述多个码本中的每一个的二进制散列码的散列表，其中所述二进制散列码代表与特征向量相似的码字。

15.根据权利要求14所述的方法，还包括步骤：

接收查询图像；

提取所接收的查询图像的特征向量；以及

在查找表中存储所提取的特征向量与所述多个码本之间的差值。