公开(公告)号：CN103593474A

公开(公告)日：2014-02-19

申请号：CN201310626253.5

申请日：2013-11-28

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  袁召全 ,  桑基韬

IPC: G06F17/30 ,  G06K9/66

CPC classification number: G06F17/30256 ,  G06K9/66

Abstract: 本发明公开了一种基于深度学习的图像检索排序方法。该方法包括以下步骤：提取查询对象和训练数据库中图像的底层特征；通过深度网络进行高层语义学习和特征融合，得到多个查询对象-图像对的高层特征以及深度网络的初定参数；对查询对象-图像对的高层特征分别进行线性回归，得到查询对象-图像对的排序分数；得到与查询对象相关的训练数据集中的图像的排序列表，将该排序列表与训练数据集中各图像的真实的排序列表进行比较，得到与查询对象相关的图像对的成对损失值；对深度网络的初定参数进行调整，得到深度网络的最终参数；计算新的查询对象的底部特征，并得到其对应的深度网络；在测试数据集中进行搜索，得到与其相关的图像列表。

公开(公告)号：CN103440352A

公开(公告)日：2013-12-11

申请号：CN201310438984.7

申请日：2013-09-24

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  袁召全 ,  桑基韬

IPC: G06F17/30

Abstract: 本发明公开了一种社交媒体网络中对象间的关联分析方法及装置，在很多重要的相关领域已经有了广泛的应用。该方法包括：步骤1、提取对象的底层特征；步骤2、对所提取的底层特征通过深度网络进行高层语义学习，得到对象的高层特征；步骤3、通过对象的高层特征获得对象间的关联关系。该方法中首先从对象的内容信息中学习出高层的抽象特征，然后在这些高层的特征的基础上来进行关联建模。本方法引入隐式特征的概念，在生成式模型的框架下，一方面隐式特征生成对象的内容信息(高层特征)，另一方面，对象的隐式特征之间的交互以最大概率对象之间的关联信息。本方法采用蒙特卡洛近似推断算法来推断模型的参数及隐变量。

公开(公告)号：CN102332031B

公开(公告)日：2013-03-27

申请号：CN201110316563.8

申请日：2011-10-18

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  桑基韬

IPC: G06F17/30

Abstract: 本发明是一种基于视频集合层级主题结构的检索结果聚类方法，是通过扩充相关的上位词、同义词以及语义关联词，对输入的搜索句子进行查询拓展，得到一个种子词集；根据输入的搜索句子进行检索，返回一个视频集合，再对视频集合进行重复检测，得到每对视频的重复关系；对得到的视频集合的内容进行层级主题建模，通过层级主题模型挖掘视频集合中潜在的层级主题关系；利用搜索句子与父主题的对应关系，将得到的种子词集作为监督信息，利用关联监督层级主题模型对得到的视频集合内容进行建模；并将视频进行重复检测的每对视频的重复关系作为约束，通过关联监督层级主题模型进行建模，实现基于关联监督层级主题模型的主题树发现和视频聚类。