公开(公告)号：CN112883216A

公开(公告)日：2021-06-01

申请号：CN202110226266.8

申请日：2021-03-01

Applicant: 中国科学院信息工程研究所

Inventor： 周玉灿 ,  程帅 ,  吴大衍 ,  李波 ,  王伟平

IPC: G06F16/55 ,  G06F16/583 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于扰动一致性自集成的半监督图像检索方法及装置，包括将图像输入训练后的半监督图像特征提取模型，得到该图像的特征，其中所述半监督图像特征提取模型包括：一卷积神经网络、一哈希层和一扰动一致性自集成模块；将图像的特征转换为图像离散的二值哈希码；依据二值哈希码进行检索，得到图像检索结果。本发明通过集成同一个样本在不同数据增强条件下的特征，能够发现每个类别的判别特征；通过设计的扰动一致性损失函数最大化无标记数据的哈希层输出与对应的集成特征的相似性，充分的利用了无标记数据提升网络的泛化能力；能够取得更好的检索效果。

公开(公告)号：CN118445443A

公开(公告)日：2024-08-06

申请号：CN202410434613.X

申请日：2024-04-11

Applicant: 中国科学院信息工程研究所

Inventor： 章万千 ,  程帅 ,  吴大衍 ,  李波 ,  王伟平

IPC: G06F16/532 ,  G06F16/535 ,  G06F16/51 ,  G06F16/55 ,  G06V10/764 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/096 ,  G06N3/0499

Abstract: 本发明公开了一种基于多粒度关系的协同学习半监督哈希方法，其步骤包括：1)构建一骨干网络，包括两个分支：学生网络和教师网络；2)将训练样本输入到学生网络，得到每一训练样本的特征表示和哈希码并将其存储到动态记忆库；3)计算分类损失函数、成对哈希损失函数、实例对比损失、类级对比损失和邻域一致性损失函数，用于优化学生网络；4)根据优化后的学生网络参数更新教师网络的参数；然后将训练样本输入到更新后的教师网络，得到每一训练样本的特征表示和哈希码更新所述动态记忆库；5)重复步骤3)～4)直至学生模型收敛或达到设定条件；6)将一待编码数据输入到最终优化后的学生网络，得到其哈希编码。本发明提高了哈希码的区分度。

公开(公告)号：CN112883216B

公开(公告)日：2022-09-16

申请号：CN202110226266.8

申请日：2021-03-01

Applicant: 中国科学院信息工程研究所

Inventor： 周玉灿 ,  程帅 ,  吴大衍 ,  李波 ,  王伟平

IPC: G06F16/55 ,  G06F16/583 ,  G06K9/62 ,  G06V10/774 ,  G06N3/08

Abstract: 本发明公开了一种基于扰动一致性自集成的半监督图像检索方法及装置，包括将图像输入训练后的半监督图像特征提取模型，得到该图像的特征，其中所述半监督图像特征提取模型包括：一卷积神经网络、一哈希层和一扰动一致性自集成模块；将图像的特征转换为图像离散的二值哈希码；依据二值哈希码进行检索，得到图像检索结果。本发明通过集成同一个样本在不同数据增强条件下的特征，能够发现每个类别的判别特征；通过设计的扰动一致性损失函数最大化无标记数据的哈希层输出与对应的集成特征的相似性，充分的利用了无标记数据提升网络的泛化能力；能够取得更好的检索效果。