“跨模态哈希”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果114023个，建议您升级VIP下载更多相关专利

[发明专利]一种基于注意力感知机制的跨模态哈希检索方法及系统-CN202010408302.8有效
发明人：罗昕;姚洪磊;许信顺 -专利权人：山东大学
申请日： 2020-05-14 - 公布日： 2021-04-09 - 主分类号： G06F16/903 文献下载
摘要：本发明公开了一种基于注意力感知机制的跨模态哈希检索方法及系统，包括：对跨模态数据集中的训练集进行特征提取和注意力特征提取，得到经注意力特征加权的跨模态特征；将跨模态数据对的跨模态特征输入至哈希学习模型中，根据输出的跨模态哈希码以最小化损失函数为目标优化哈希学习模型；根据由优化后的哈希学习模型得到的待测数据的哈希码，在与待测数据模态不同的模态数据的哈希码中，筛选满足检索要求的模态数据。将注意力机制应用于跨模态哈希检索任务中，提出注意力感知机制的新型注意力方法，实现对原始数据中的噪声和冗余进行抑制处理同时对重点关注区域进行增强，提高哈希码的生成质量。
一种基于注意力感知机制跨模态哈希检索方法系统

[发明专利]一种基于多模态注意力机制的跨模态哈希方法及系统-CN202110407112.9有效
发明人：鲁芹;吴吉祥 -专利权人：齐鲁工业大学
申请日： 2021-04-15 - 公布日： 2022-06-14 - 主分类号： G06V10/764 文献下载
摘要：本发明属于多模态注意力机制和跨模态哈希网络融合领域，提供了一种基于多模态注意力机制的跨模态哈希方法和系统。该方法包括：训练过程和检索过程，训练过程：将相同语义的图像文本对以及其所属的类标签输入到多模态注意力机制的跨模态哈希网络模型中进行训练，直至多模态注意力机制的跨模态哈希网络模型收敛，得到训练好的多模态注意力机制的跨模态哈希网络模型；检索过程：将待查询的图像或文本输入训练好的多模态注意力机制的跨模态哈希网络模型，根据相似度的大小，得到检索到的前k个文本或图像。
一种基于多模态注意力机制跨模态哈希方法系统

[发明专利]一种基于鲁棒监督的深度离散哈希跨模态检索方法及系统-CN201910246991.4有效
发明人：荆晓远;董西伟;吴飞;黄鹤;姚永芳;李云鹤 -专利权人：广东石油化工学院
申请日： 2019-03-29 - 公布日： 2023-04-18 - 主分类号： G06F16/432 文献下载
摘要：本发明属于跨模态检索、模式识别技术领域，公开了一种基于鲁棒监督的深度离散哈希跨模态检索方法及系统，基于鲁棒监督的深度离散哈希跨模态检索方法采用模态内和模态间一致性保持策略，同时进行非冗余特征选择；并选择具有最小冗余度的鲁棒性和鉴别性特征生成二进制哈希码；再基于奇异值分解进行离散哈希学习。本发明的RSDDH方法可以优于几种最先进的浅层跨模态哈希方法，且随着哈希码长度的增加，本发明所提出的方法的性能就越好。根据实验结果，验证了特征选择策略、离散哈希方案，模态间和模态内一致性保持策略的有效性，提高了跨模态哈希检索的性能。
一种基于监督深度离散哈希跨模态检索方法系统

[发明专利]一种基于深度对抗的跨模态哈希病虫害图像检索方法-CN202310063045.2在审
发明人：李涛;王珏;熊文俊;吴思宇;张争;王宇;丁肖摇;李冬梅;朱晓珺 -专利权人：郑州信息科技职业学院
申请日： 2023-01-18 - 公布日： 2023-05-30 - 主分类号： G06F16/432 文献下载
摘要：本发明公开了一种基于深度对抗的跨模态哈希病虫害图像检索方法，包括以下步骤：A：构建病虫害数据集；B：通过图像增强扩充得到更新后的病虫害数据集；C：构建深度对抗跨模态哈希模型；D：利用更新后的病虫害数据集构建病虫害跨模态的检索数据集，通过病虫害跨模态的检索数据集对深度对抗跨模态哈希模型进行训练，得到训练后的深度对抗跨模态哈希模型；E：利用训练后的深度对抗跨模态哈希模型，对病虫害图像进行检索。本发明能够通过跨模态对抗特征学习网络来学习跨模态语义关联，保持不同模式特征表示分布的一致性，从而提高虫害图像检索准确率。
一种基于深度对抗跨模态哈希病虫害图像检索方法

[发明专利]一种基于模态融合重建哈希的深度无监督跨模态检索方法-CN202211340310.9在审
发明人：李明勇;李业文 -专利权人：重庆师范大学
申请日： 2022-10-28 - 公布日： 2023-02-03 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于模态融合重建哈希的深度无监督跨模态检索方法，涉及跨模态检索技术领域，包括建立无监督跨模态检索模型，所述建立无监督跨模态检索模型包括深度特征编码模块、特定模态的自动编码器重构模块、跨模态相似性融合模块以及哈希编码重构模块本发明能够提高无监督条件下的跨模态哈希的检索性能。
一种基于融合重建深度监督跨模态检索方法

[发明专利]基于多重对比和双路对抗的跨模态哈希检索方法及设备-CN202310700719.5在审
发明人：梁美玉;曹晓雯;于洋;鲁康康;余家良 -专利权人：北京邮电大学
申请日： 2023-06-14 - 公布日： 2023-07-14 - 主分类号： G06F16/51 文献下载
摘要：本申请提供一种基于多重对比和双路对抗的跨模态哈希检索方法及设备，能够对图像模态的图像信息和文本模态的文本信息进行跨模态语义融合，得到图像推理特征和文本推理特征；对图像推理特征和文本推理特征进行模态间、模态内和全局局部的多重对比哈希学习和双路对抗学习，得到二进制哈希码，通过多重对比学习进行全局局部、模态内和模态间的语义匹配和融合，并通过双路对抗学习机制更好地对齐不同模态哈希码的语义分布，产生更高质量和更具判别性的二进制哈希码作为跨模态检索的统一哈希表示使用二进制哈希码，可以快速实现跨模态检索；此外，哈希码占用的内存空间也显著减少，且哈希码具有唯一性，以此确保跨模态检索的高效性和准确性。
基于多重对比对抗跨模态哈希检索方法设备

[发明专利]一种基于层次结构的跨模态可变长度哈希检索方法-CN201911141734.0有效
发明人：祁晓君 -专利权人：重庆邮电大学
申请日： 2019-11-20 - 公布日： 2023-07-21 - 主分类号： G06F16/901 文献下载
摘要：本发明请求保护一种基于层次结构的跨模态可变长度哈希检索方法，包括：通过使用哈希学习方法来进行跨模态数据间的检索，提出了随不同模态数据长度变化而变化的可变长度哈希算法，来减少内存占用，此次为变长哈希在跨模态领域中的首次应用；引入层次结构模型，此模型通过构建数据间的层次结构，根据相似度选择代表数据图文对来处理训练数据，可以显著减少后续跨模态变长哈希检索算法的训练时间；同时，有效提高了跨模态检索算法的准确性。本发明能够有效运用于自然图像文本对之间的跨模态检索。
一种基于层次结构跨模态可变长度检索方法

[发明专利]一种基于概念分解的混合超图正则化半监督跨模态哈希方法-CN202211588964.3在审
发明人：钟芳明;张素华;陈志奎 -专利权人：大连理工大学
申请日： 2022-12-09 - 公布日： 2023-03-31 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种基于概念分解的混合超图正则化半监督跨模态哈希方法，属于计算机技术领域。本发明是解决跨模态检索中存在大量无标签数据的训练问题，充分挖掘有标签和无标签数据间的混合超图高阶关系，提高模型检索能力，步骤包括：基于概念分的解公共语义表示学习、跨模态混合超图构建、有标签数据的分类损失度量、总体目标函数构建及其优化、以及学习量化旋转矩阵和跨模态哈希函数，最终通过哈希函数将跨模态数据转化为二进制的哈希编码进行跨模态交叉检索。本发明能够有效利用无标签数据进行半监督跨模态哈希检索。
一种基于概念分解混合超图正则监督跨模态哈希方法

[发明专利]一种基于对抗学习和非对称哈希的跨模态检索方法-CN201910323769.X有效
发明人：古文;李波;古晓艳;熊智;谷井子;王伟平 -专利权人：中国科学院信息工程研究所
申请日： 2019-04-22 - 公布日： 2021-07-13 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种基于对抗学习和非对称哈希的跨模态检索方法，其步骤包括：1)选取一跨模态数据集并将其划分为训练集和测试集；对模型进行训练，该模型包括一损失模块、特征提取单元和哈希码学习单元；哈希码学习单元包括哈希码学习网络和一个共享的多标签二值矩阵，损失模块包含特征提取单元的对抗损失，哈希码学习单元的三元边距损失、余弦量化损失和非对称哈希损失；2)利用训练的最优模型，生成跨模态数据集中每一模态数据的二值哈希码；3)对于一给定的查询数据，首先生成二值哈希码，然后计算该查询数据的二值哈希码与该跨模态数据集中与该查询数据模态不同的模态数据的二值哈希码之间计算汉明距离，得到满足条件的跨模态数据实例。
一种基于对抗学习对称跨模态检索方法

[发明专利]跨模态哈希模型的训练方法、编码方法、装置及电子设备-CN202210038252.8在审
发明人：蔡成飞;涂荣成;蒋杰;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-01-13 - 公布日： 2022-04-26 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种跨模态哈希模型的训练方法、编码方法、装置及电子设备；涉及人工智能技术领域，方法包括：调用跨模态哈希模型对获取到的多个样本对进行降维哈希编码处理，得到多个哈希编码对；针对每个哈希编码对，在哈希编码对中每个位置的哈希数据点对中，确定权重较大的目标数据哈希点，基于每个目标哈希数据点确定哈希编码对的二值码；基于每个哈希编码对、多个样本对所对应的相似度矩阵，以及每个哈希编码对与所对应的二值码之间的差异，确定跨模态哈希模型的总量化损失；基于总量化损失更新跨模态哈希模型的参数。通过本申请，能够提升跨模态哈希模型的编码精度，进而节约计算不同样本的编码结果之间相似度所占用的计算资源。
跨模态哈希模型训练方法编码装置电子设备

[发明专利]一种跨模态哈希检索方法、终端设备及存储介质-CN202011289807.3有效
发明人：曹文明;冯文铄;曹桂涛 -专利权人：深圳大学
申请日： 2020-11-17 - 公布日： 2023-06-30 - 主分类号： G06F16/583 文献下载
摘要：本发明适用于跨模态哈希检索技术领域，提供了一种跨模态哈希检索方法、终端设备及存储介质，通过将由两个对称的生成式对抗网络组成的双向对抗网络模型引入到深度跨模态哈希检索过程中，用于优化跨模态检索任务中同义异构数据的信息丰富度不对称问题，并将模态间损失优化、模态内损失优化以及双向对抗网络优化过程整合到一个端到端算法模型框架中，同时还运用了在线哈希码热更新机制来实时更新真实图像哈希码和真实文本哈希码，能够实现特征学习过程和哈希学习过程的有机衔接与高效复用
一种跨模态哈希检索方法终端设备存储介质

[发明专利]一种基于生成式网络的跨模态数据哈希检索攻击方法-CN202210893350.X有效
发明人：湛誉;黄亮;胡超;施鹤远 -专利权人：中南大学
申请日： 2022-07-27 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于生成式网络的跨模态数据哈希检索攻击方法，包括利用重构跨模态数据与请求跨模态数据构造重构函数，然后基于重构跨模态数据的特征向量与sign函数构造量化函数。通过对比重构跨模态数据的哈希码与跨模态检索数据库中哈希码之间的汉明距离，获得积极跨模态数据和消极跨模态数据用于构造对抗性三元组函数，并通过请求跨模态数据哈希码构造基于相对的对抗性三元组函数。
一种基于生成网络跨模态数据检索攻击方法

[发明专利]一种多语义深度监督跨模态哈希检索方法-CN201911065035.2在审
发明人：张雨柔;李锐;于治楼 -专利权人：山东浪潮人工智能研究院有限公司
申请日： 2019-11-04 - 公布日： 2020-02-07 - 主分类号： G06F16/432 文献下载
摘要：本发明特别涉及一种多语义深度监督跨模态哈希检索方法。该多语义深度监督跨模态哈希检索方法，利用深度神经网络，结合训练数据的监督语义信息，分别学习多个模态的哈希映射模型；将给定特定模态的图像查询数据送入到对应模态的神经网络中，通过深度网络所学习的哈希映射将图像模态数据转换为哈希码，然后与数据库中另一模态的哈希码进行距离的计算，最终返回与查询最相似的数据。该多语义深度监督跨模态哈希检索方法，充分利用了多种高层语义信息，保持了数据模态间的相似性关系及模态内的标签语义信息，不仅可以获取高质量的哈希码，还将哈希学习和分类任务结合在同一个流中进行学习，提高了学习效率，进而实现了不同模态数据之间的信息检索。
模态哈希语义哈希码检索哈希映射神经网络语义信息监督学习高层语义信息相似性关系结合训练模态数据数据模态数据转换图像查询图像模态信息检索学习效率送入数据库标签查询返回分类网络

[发明专利]深度跨模态哈希检索方法、装置和电子设备-CN202211275647.6在审
发明人：咸晓雨;唐海川;田寅;赵明元;邱岳;赵雪军 -专利权人：中车工业研究院有限公司
申请日： 2022-10-18 - 公布日： 2023-03-07 - 主分类号： G06F16/332 文献下载
摘要：本发明提供一种深度跨模态哈希检索方法、装置和电子设备。方法包括：获取待检索图像或待检索文本；确定检索结果：输入待检索图像或待检索文本至深度跨模态哈希检索模型，获取深度跨模态哈希检索模型的检索结果；其中，深度跨模态哈希检索模型基于历史文本的语义特征引导的注意力机制对待检索图像进行特征提取的图像特征，进行跨模态哈希检索；图像特征是与语义特征语义关联的带注意力的图像特征；深度跨模态哈希检索模型是基于样本图像、样本文本、样本文本的语义特征、样本图像和样本文本的样本检索结果训练得到的。
深度跨模态哈希检索方法装置电子设备

[发明专利]一种基于相似性保持的跨模态数据的离散哈希检索方法-CN201910277146.3有效
发明人：孔祥维;李明阳 -专利权人：浙江大学;大连理工大学
申请日： 2019-04-08 - 公布日： 2021-04-13 - 主分类号： G06F16/41 文献下载
摘要：本发明公开了一种基于相似性保持的跨模态数据的离散哈希检索方法。建立由包含两个模态的样本构成的跨模态检索数据集，分为训练集和测试集；建立保持模态间相似性和模态内相似性的目标函数，通过一种离散优化方法对目标函数进行求解获得哈希码矩阵；根据哈希码矩阵学习各个模态的哈希函数；利用哈希函数计算训练集和测试集中所有样本的哈希码；一个模态测试集为查询集，另一个模态训练集为检索集，计算查询集中样本的哈希码和检索集中样本的哈希码之间汉明距离，排序作为检索结果。本发明可有效地保持模态间的相似性和模态内的相似性，并且考虑了哈希码的离散特性，采用一种离散优化的方法对目标函数进行求解，从而提高跨模态检索的准确性。
一种基于相似性保持跨模态数据离散检索方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条