-
公开(公告)号:CN116049467A
公开(公告)日:2023-05-02
申请号:CN202310086525.0
申请日:2023-01-17
Applicant: 华中科技大学
IPC: G06F16/58 , G06F16/55 , G06F16/51 , G06V10/764 , G06V10/82 , G06V10/74 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于标签视觉联合感知的无监督图像检索方法,首先获取待检索图像以及图像数据库中的多个图像,使用PIL库将该待检索图像和每个图像分别转换为多维张量,所有多维张量构成多维张量集合,然后将多维张量集合输入预先训练好的检索模型中,以得到待检索图像对应的哈希码,以及每个图像对应的哈希码,针对每个图像对应的哈希码而言,计算其与待检索图像对应的哈希码之间的相似度,其中检索模型包括依次连接的ResNet‑101网络、标签共现嵌入生成网络、视觉相似性嵌入生成网络、双重OGSP网络、自监督网络、以及哈希函数学习网络。本发明能够解决现有无监督多标签图像检索方法无法得到最佳的MAP、进而影响最终检索性能的技术问题。
-
公开(公告)号:CN115934398A
公开(公告)日:2023-04-07
申请号:CN202211642693.5
申请日:2022-12-20
Applicant: 华中科技大学
IPC: G06F11/07
Abstract: 本发明公开了一种磁盘故障预测模型的构建方法及应用,属于磁盘故障预测技术领域,本发明将磁盘异构、模型老化、环境差异等因素视作数据异构这一因素进行处理,并将磁盘故障预测中的小样本问题看作处理数据异构所导致的结果,通过将采集到的磁盘样本集按照磁盘故障预测中不同因素所对应的属性(磁盘型号、服务器环境、采样时间)进行分层划分,得到多个所包含的故障样本数量基本相当的子样本集,能够很好的平衡数据异构问题和小样本问题,在此基础上,将划分得到的多个子样本集视作多任务,进行多任务学习,实现了多个域下的迁移学习,能够适应多问题混合存在的磁盘故障预测场景,预测精度较高。
-
公开(公告)号:CN115601662A
公开(公告)日:2023-01-13
申请号:CN202211455618.8
申请日:2022-11-21
Applicant: 华中科技大学(CN)
Abstract: 本发明公开了一种高分辨率遥感影像提取建筑物的模型构建方法及应用,属于遥感影像处理领域。包括:对高分辨率遥感影像进行切片处理;构建胶囊卷积神经网络,提取所述切片处理后的高分辨率遥感影像的浅层特征信息,并从浅层特征图中抽取目标建筑物的一组胶囊;构建胶囊融合模块及线性网络,对融合后的胶囊与所述一组胶囊之间的残差进行变换,得到目标建筑物与各组成部件之间的连接概率,并用连接概率修正先验注意力分布,得到各组成部件的后验注意力分布,拼接所述后验注意力分布,得到目标建筑物的后验注意力分布。上采样后得到从切片处理后的高分辨率遥感影像中预测的目标建筑物;本发明可以提升模型的识别精度及良好的模型泛化能力。
-
公开(公告)号:CN112395440A
公开(公告)日:2021-02-23
申请号:CN202011333525.9
申请日:2020-11-24
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/53 , G06F16/583 , G06F16/901 , G06F12/0895 , G06F12/0875 , G06F12/123
Abstract: 本发明公开了一种缓存方法、高效图像语义检索方法和系统,属于语义存储技术领域。本发明利用进制转换压缩哈希码将原本是01构成的字符串(或数组),压缩为十进制数,存储于整型变量中。这样,单个检索结果经压缩后,所需要的存储空间大大减少,使得在可接受的存储开销范围内,存储大部分检索结果,将缓存的高速读写特性发挥到极致。本发明利用缓存的读写效率高的特点,我们将每次检索元数据得到的检索结果存入缓存中。这样,当下一次检索需求来临时,首先检查缓存中是否已经存储过其检索结果,如果存在,无论检索条件如何复杂,都可以直接从缓存中读取,避免耗时的检索过程。
-
公开(公告)号:CN112199533B
公开(公告)日:2024-02-06
申请号:CN202011100159.2
申请日:2020-10-15
Applicant: 华中科技大学
IPC: G06F16/532 , G06F16/583
Abstract: 本发明公开了一种基于节点表征的无监督深度哈希模型训练及图像检索方法,该方法可以将图像与图像之间的相似关系融入到潜在的图像表征中去,进而通过无监督的方式生成图像的语义哈希码,得到一个无监督的图像检索模型。该方法将每一张图像视为一个节点,利用图像初始化特征之间的Cosine距离度量图像的相似性,并设计了一种基于图卷积网络的自编码器,根据图像之间的相似性以无监督的方式生成每张图像的节点表征信息,然后利用这些表征信息在一个轻量级的网络上指导哈希函数的学习,生成图像的语义哈希码,提升了无监督哈希图像检索的性能。本发明有效地学习了图像之间的相似性,其图像检索性能优于目前的无监督哈希方法。
-
公开(公告)号:CN112199533A
公开(公告)日:2021-01-08
申请号:CN202011100159.2
申请日:2020-10-15
Applicant: 华中科技大学
IPC: G06F16/532 , G06F16/583
Abstract: 本发明公开了一种基于节点表征的无监督深度哈希模型训练及图像检索方法,该方法可以将图像与图像之间的相似关系融入到潜在的图像表征中去,进而通过无监督的方式生成图像的语义哈希码,得到一个无监督的图像检索模型。该方法将每一张图像视为一个节点,利用图像初始化特征之间的Cosine距离度量图像的相似性,并设计了一种基于图卷积网络的自编码器,根据图像之间的相似性以无监督的方式生成每张图像的节点表征信息,然后利用这些表征信息在一个轻量级的网络上指导哈希函数的学习,生成图像的语义哈希码,提升了无监督哈希图像检索的性能。本发明有效地学习了图像之间的相似性,其图像检索性能优于目前的无监督哈希方法。
-
公开(公告)号:CN112163106A
公开(公告)日:2021-01-01
申请号:CN202011059408.8
申请日:2020-09-30
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种二阶相似感知的图像哈希码提取模型建立方法及其应用,属于图像检索领域,包括:利用预训练模型提取图像数据集中各图像的特征;以特征为节点,以特征间的相似度为对应节点间边的权重,建立图模型,并构建其邻接矩阵;建立同时包含一阶和二阶接近度重构误差的损失函数;以邻接矩阵中的每一行为输入,对自编码器进行训练;在损失函数收敛时,提取自编码器正中间隐藏层的输出,并转换为二进制哈希码,作为对应图像的哈希标签;对图像数据集进行抽样,由抽样得到的图像及其对应的哈希标签构成训练集;利用训练集训练神经网络,得到图像哈希码提取模型。本发明能够修复图像特征中存在的语义偏差,提高图像检索的准确性。
-
公开(公告)号:CN110390352A
公开(公告)日:2019-10-29
申请号:CN201910557932.9
申请日:2019-06-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于相似性哈希的图像暗数据价值评估方法,包括以下步骤:获取暗数据集,并将该暗数据集输入训练好的DSTH模型中,以得到该暗数据集中每幅图像的哈希码,根据得到的暗数据集中每幅图像的哈希码构建哈希图谱,该哈希图谱中的节点就是图像的哈希码,节点之间的连接边是构建的邻接矩阵中的元素,获取得到的哈希图谱中每个节点的重要性分数,按照从大到小的顺序对得到的所有节点的重要性分数进行排序,将排序结果中前k位的重要性分数所对应的图像输出给用户。本发明针对企业对拥有的大规模图像暗数据占据着巨大的存储空间且缺乏管理和利用的问题,通过“点亮”其中价值被忽略的图像暗数据,提升其存储性价比。
-
公开(公告)号:CN108829848A
公开(公告)日:2018-11-16
申请号:CN201810637971.5
申请日:2018-06-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种图像检索方法,包括:获取用户输入的图像,将该图像输入训练好的相似性哈希函数网络中,以生成相似性哈希码;将生成的相似性哈希码与待检索图像哈希码库中的每个哈希码做按位异或运算,以产生多个汉明距离,将得到的多个汉明距离中小于等于设定阈值的哈希码所对应的多个图像样本作为检索结果。本发明能够解决现有基于内容的图像相似性哈希中存在的检索准确性低、方法泛化能力差且存在分类过度、对样本数据的适应性较差、以及时间消耗大的技术问题。
-
公开(公告)号:CN112395440B
公开(公告)日:2025-04-29
申请号:CN202011333525.9
申请日:2020-11-24
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/53 , G06F16/583 , G06F16/901 , G06F12/0895 , G06F12/0875 , G06F12/123
Abstract: 本发明公开了一种缓存方法、高效图像语义检索方法和系统,属于语义存储技术领域。本发明利用进制转换压缩哈希码将原本是01构成的字符串(或数组),压缩为十进制数,存储于整型变量中。这样,单个检索结果经压缩后,所需要的存储空间大大减少,使得在可接受的存储开销范围内,存储大部分检索结果,将缓存的高速读写特性发挥到极致。本发明利用缓存的读写效率高的特点,我们将每次检索元数据得到的检索结果存入缓存中。这样,当下一次检索需求来临时,首先检查缓存中是否已经存储过其检索结果,如果存在,无论检索条件如何复杂,都可以直接从缓存中读取,避免耗时的检索过程。
-
-
-
-
-
-
-
-
-