-
公开(公告)号：CN115964527B
公开(公告)日：2023-09-26
申请号：CN202310011361.5
申请日：2023-01-05
Applicant: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京邮电大学
Abstract: 本发明提供了一种用于单标签图像检索的标签表征构建方法，包括：基于全连接神经网络确定单标签图像的标签表征，并基于标签表征平衡损失以及量化损失反向优化全连接神经网络；基于卷积神经网络提取单标签图像的图像特征，并与对应的标签表征之间的中心相似性损失来优化卷积神经网络；基于卷积神经网络提取待检索单标签图像特征，并符号化为二进制码，并基于二进制码实现对单标签图像的检索。通过确定单标签图像的单标签信息，同时，通过全连接神经网络生成各个标签的表征向量，并鼓励标签表征相互之间保持最大的距离，从而增加标签表征之间的可辨别性，将标签表征作为所有同标签图像特征的类中心，为图像特征学习提供了极大便利。
-
公开(公告)号：CN115994237A
公开(公告)日：2023-04-21
申请号：CN202310015666.3
申请日：2023-01-05
Applicant: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京邮电大学
IPC: G06F16/58 , G06V10/764 , G06V10/774 , G06V10/74 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种用于多标签图像检索的标签表征构建方法，其包括：确定多标签图像数据集中各标签之间的共现概率，并基于图卷积网络对各标签的初始表征向量进行融合，得到各标签的标签表征；基于卷积神经网络提取多标签图像的图像特征，并基于图像的标签及所得到的标签表征确定该图像的语义表征向量，且通过最小化中心相似性损失对卷积神经网络进行优化；基于卷积神经网络提取多标签图像的特征，并符号化为二进制码，并基于二进制码之间的汉明距离完成对待检索多标签图像的检索。通过标签表征平衡损失、量化损失以及图网络的处理，提高不同标签表征之间的可辨别性，同时为准确确定多标签图像类中心提供了保障，保障了多标签图像检索的准确率。
-
公开(公告)号：CN115964527A
公开(公告)日：2023-04-14
申请号：CN202310011361.5
申请日：2023-01-05
Applicant: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京邮电大学
Abstract: 本发明提供了一种用于单标签图像检索的标签表征构建方法，包括：基于全连接神经网络确定单标签图像的标签表征，并基于标签表征平衡损失以及量化损失反向优化全连接神经网络；基于卷积神经网络提取单标签图像的图像特征，并与对应的标签表征之间的中心相似性损失来优化卷积神经网络；基于卷积神经网络提取待检索单标签图像特征，并符号化为二进制码，并基于二进制码实现对单标签图像的检索。通过确定单标签图像的单标签信息，同时，通过全连接神经网络生成各个标签的表征向量，并鼓励标签表征相互之间保持最大的距离，从而增加标签表征之间的可辨别性，将标签表征作为所有同标签图像特征的类中心，为图像特征学习提供了极大便利。
-
公开(公告)号：CN115221348A
公开(公告)日：2022-10-21
申请号：CN202210825667.X
申请日：2022-07-13
Applicant: 北京邮电大学 , 平湖市政务服务和数据资源管理办公室 , 浙江喆贞软件开发有限公司
IPC: G06F16/583 , G06V10/44 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于中心映射的图像哈希检索方法，将图像转换为哈希码进行检索，存储和计算需求都比较小，提高了检索效率；使用深度模型将图像映射为哈希码，能够更好地提取图像特征，用比较少的比特数就能保留较多的语义信息；使用已经量化的哈希码作为学习目标，使最后量化带来的误差可以忽略不计，提高了哈希码的质量；使用特征中心映射的方式构建低维学习目标，使得图像在高维特征空间中的相似性信息能比较完整地保留到低维汉明空间中，检索结果更加准确；使用无监督的方式训练模型，大大减少了数据的标注成本，提高了本方法的使用范围。上述方法在装修图片查找中取得了较好的应用，能够更加快捷、直观地判断一张装修图片的装修程度。
-
-
-
Search Results
4
records
(took 0.067 seconds)
