一种基于深度表征学习的大规模哈希图像检索方法,包括数据预处理、基于半监督的卷积神经网络层构建、基于成对的哈希损失函数设计步损失函数的优化学习和搜索结果的后处理。本发明采用深度卷积神经网络层和全连接层进行图像特征的提取以及哈希函数的学习,设计了带标签的交叉熵损失项、三元组损失项以及伪标签损失项构成的组合损失函数,采用带动量的随机梯度下降法进行优化求解,具有较高的计算效率,最后实现精度和速度统一的图像检索性能。本发明在图像搜索领域快速发展的现状下,对图像搜索问题进行基于图像数据结构和标签的基础下进行高效建模,有效提高的模型准确性和更优化的查询速度。
声明:
“基于深度表征学习的大规模哈希图像检索方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)