[发明专利]基于卷积神经网络的无监督哈希快速图片检索系统及方法有效
| 申请号： | 201710071669.3 | 申请日： | 2017-02-09 |
| 公开（公告）号： | CN106980641B | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 王延峰;张娅;黄杉杉;熊意超 | 申请（专利权）人： | 上海媒智科技有限公司 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06N3/04;G06N3/08 |
| 代理公司： | 31317 上海恒慧知识产权代理事务所(特殊普通合伙) | 代理人： | 徐红银 |
| 地址： | 200030 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明提出一种基于卷积神经网络的无监督哈希快速图片检索系统及方法。该系统及方法利用现有的哈希算法结构，基于数据增强技术提出了一个高效的无监督哈希模型用于快速图像检索领域。通过数据增强方法，为无标签数据构建三元组训练样本，通过三元组损失函数、最小量化误差损失函数和最大熵损失函数驱使网络充分利用每张图片的信息，学习到一系列更具有表达能力的参数以提高快速图片检索的准确性。本发明是一种能够利用无标签数据学习网络的哈希快速图片检索方法，利用数据增强构建表达能力更强的三元组训练样本训练网络，显著提升了快速图片检索的准确性。 | ||
| 搜索关键词： | 基于 卷积 神经网络 监督 快速 图片 检索系统 方法 | ||
【主权项】：
1.一种基于卷积神经网络的无监督哈希快速图片检索系统，其特征在于，包括如下模块：/n无监督训练数据模块，用于基于无标签训练原始图片，构建三元组训练样本；/n构建卷积神经网络模块，用于将三元组训练样本输入至现有的深度卷积神经网络，训练适合图片检索任务的卷积神经网络；/n计算图片距离模块：用于计算三元组训练样本内各图片之间的距离；/n无监督学习模块，用于优化卷积神经网络以供图片检索，根据计算图片距离模块计算得出的图片距离，通过三元组损失函数模块、最小量化误差模块以及最大信息熵模块优化卷积神经网络参数；/n三元组损失函数模块：用于控制同类图片与不同类图片经过哈希映射后的距离差别；/n最小量化误差模块，用于降低图片检索在图片特征向量量化前后的误差值，以便在加快图片检索速度的同时保持图片检索的准确性；/n最大信息熵模块，用于增大图片特征向量所携带的信息量，以增强图片特征向量的表达能力，提升图片检索的准确性；/n图片特征提取及相似度计算模块，用于把训练好的卷积神经网络投入实际图片检索任务中，通过学习到的卷积神经网络提取输入图片对应的二进制哈希码并经过相似度计算模块筛选出最相似的图片。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海媒智科技有限公司，未经上海媒智科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710071669.3/，转载请声明来源钻瓜专利网。
