公开(公告)号：CN106980641A

公开(公告)日：2017-07-25

申请号：CN201710071669.3

申请日：2017-02-09

Applicant: 上海交通大学

Inventor： 王延峰 ,  张娅 ,  黄杉杉 ,  熊意超

IPC: G06F17/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于卷积神经网络的无监督哈希快速图片检索系统及方法。该系统及方法利用现有的哈希算法结构，基于数据增强技术提出了一个高效的无监督哈希模型用于快速图像检索领域。通过数据增强方法，为无标签数据构建三元组训练样本，通过三元组损失函数、最小量化误差损失函数和最大熵损失函数驱使网络充分利用每张图片的信息，学习到一系列更具有表达能力的参数以提高快速图片检索的准确性。本发明是一种能够利用无标签数据学习网络的哈希快速图片检索方法，利用数据增强构建表达能力更强的三元组训练样本训练网络，显著提升了快速图片检索的准确性。

公开(公告)号：CN106250423A

公开(公告)日：2016-12-21

申请号：CN201610590701.4

申请日：2016-07-25

Applicant: 上海交通大学

Inventor： 熊意超 ,  徐哲 ,  张娅

IPC: G06F17/30 ,  G06N3/08

CPC classification number: G06F16/583 ,  G06N3/08

Abstract: 本发明提供一种基于部分参数共享的深度卷积神经网络跨域服装检索方法，该方法利用了深度神经网络模型中越高层的网络层的特征越具有语义信息，与训练数据所在域的关系越密切，越低层的网络层的特征越具有一般性，越与训练数据所在域无关，依此让传统的深度卷积神经网络跨域服装检索模型中的低层的网络层参数共享，而高层的网络层参数由各个域保有。本发明是一种能够使用比传统深度卷积神经网络跨域服装检索模型方法更少参数但却获得相同效果的方法，通过利用深度神经网络模型内在的特性，显著性减少模型参数数量。