公开(公告)号：CN118445440A

公开(公告)日：2024-08-06

申请号：CN202410597008.4

申请日：2024-05-14

Applicant: 湖南大学

Inventor： 赵欢 ,  李泽翊 ,  王松 ,  张晨晨

IPC: G06F16/51 ,  G06F16/58 ,  G06F16/31 ,  G06F16/33 ,  G06F18/22

Abstract: 本发明公开了一种基于双线性语义编码哈希的图文检索方法，包括：构建目标函数，目标函数使用具有线性偏移项的语义自动编码器学习共同表示，并使用带有线性偏移约束项的迭代量化方法获得哈希码，还利用标签矩阵和成对相似性矩阵进行多监督学习；获取原始图文数据，使用原始图文数据训练目标函数，得到对应的哈希码；根据原始图文数据哈希码的映射矩阵计算待查询样本的哈希码；计算待查询样本的哈希码与每个原始图文数据哈希码的相似度，将最大相似度的原始图文数据作为检索结果。本发明优化了哈希码的生成质量并避免了不匹配，还有效地对原有数据实例进行了划分，提升了分离效果，增强了哈希码的鲁棒性，实现了图文检索的准确性和效率。

公开(公告)号：CN117743605A

公开(公告)日：2024-03-22

申请号：CN202311857379.3

申请日：2023-12-29

Applicant: 湖南大学

Inventor： 赵欢 ,  张晨晨 ,  王松 ,  李泽翊

IPC: G06F16/383 ,  G06F16/332 ,  G06F16/31 ,  G06F16/583 ,  G06F16/51 ,  G06F16/532 ,  G06F40/30 ,  G06F18/241 ,  G06N20/00

Abstract: 本发明公开了一种保持数据和语义一致性的跨模态哈希检索方法及系统，方法包括：获取多模态数据的公共特征表示和独有特征表示，并基于公共特征表示和独有特征表示构建潜在数据一致性学习模型；根据多模态数据的最优特征表示以非对称范式的形式构建潜在语义一致性学习模型；分别迭代优化潜在数据一致性学习模型和潜在语义一致性学习模型，并根据优化后的两个学习模型生成最优哈希码；根据最优哈希码进行哈希函数学习，并根据学习得到的哈希函数完成跨模态哈希检索。本发明的方法可以最大化地保持多模态数据的数据和语义一致性，从而提高跨模态检索效果；且可以降低量化误差，从而减小量化误差对哈希码的学习和生成产生的不利影响。