公开(公告)号：CN111611413B

公开(公告)日：2023-04-18

申请号：CN202010453613.6

申请日：2020-05-26

Applicant: 北京邮电大学

Inventor： 周蓝翔 ,  肖波 ,  王义飞 ,  王浩宇 ,  尹恒

IPC: G06F16/51 ,  G06F16/53 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/08

Abstract: 基于度量学习的深度哈希方法，涉及计算机视觉和图像处理领域，解决现有深度哈希方法的对比损失函数只能使得相同类别的图像在量化前的特征向量尽可能接近，但并不能鼓励其符号相同；使不同类别图像的量化前的值尽可能远离，但并不能鼓励其符号相反；最终导致量化后的哈希码鉴别力差，造成误判等问题，本发明构建哈希对比损失函数，对于量化前的实数值特征向量进行符号位的约束，使得量化前的实数值特征向量在经过符号函数量化后，得到的代表图像的哈希编码更加的准确，通过fsim(fi·fj)和fdiff(fi·fj)两个控制函数，对符号进行约束；表达式中其他部分用于使相同类别图像的特征值接近，不同类别图像特征值远离。本发明方法有效的提高分类的精度，减少了误判率。

公开(公告)号：CN111611413A

公开(公告)日：2020-09-01

申请号：CN202010453613.6

申请日：2020-05-26

Applicant: 北京邮电大学

Inventor： 周蓝翔 ,  肖波 ,  王义飞 ,  王浩宇 ,  尹恒

IPC: G06F16/51 ,  G06F16/53 ,  G06N3/04 ,  G06N3/08

Abstract: 基于度量学习的深度哈希方法，涉及计算机视觉和图像处理领域，解决现有深度哈希方法的对比损失函数只能使得相同类别的图像在量化前的特征向量尽可能接近，但并不能鼓励其符号相同；使不同类别图像的量化前的值尽可能远离，但并不能鼓励其符号相反；最终导致量化后的哈希码鉴别力差，造成误判等问题，本发明构建哈希对比损失函数，对于量化前的实数值特征向量进行符号位的约束，使得量化前的实数值特征向量在经过符号函数量化后，得到的代表图像的哈希编码更加的准确，通过fsim(fi·fj)和fdiff(fi·fj)两个控制函数，对符号进行约束；表达式中其他部分用于使相同类别图像的特征值接近，不同类别图像特征值远离。本发明方法有效的提高分类的精度，减少了误判率。