公开(公告)号：CN115309849A

公开(公告)日：2022-11-08

申请号：CN202210735762.0

申请日：2022-06-27

Applicant: 北京邮电大学

Inventor： 杜军平 ,  姜阳 ,  李文玲 ,  薛哲 ,  梁美玉

IPC: G06F16/31 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于知识蒸馏的特征提取方法、装置及数据分类方法，所述方法的步骤包括，数据获取，基于网络地址信息获取第一基础数据，存储在预设的数据库中；特征向量获取，将数据库中的第一基础数据分别输入到未训练的学生模型和完成训练的教师模型中，所述学生模型的网络层数量小于教师模型的网络层数量，得到学生模型输出的第一特征向量和教师模型输出的第二特征向量；模型训练，基于第一特征向量和第二特征向量计算损失函数，基于损失函数值优化学生模型中各网络层的参数，得到完成训练的学生模型；特征提取，再次基于网络地址信息获取第二基础数据，将第二基础数据输入完成训练的学生模型得到第三特征向量。

公开(公告)号：CN113254678B

公开(公告)日：2021-10-01

申请号：CN202110797175.X

申请日：2021-07-14

Applicant: 北京邮电大学

Inventor： 杜军平 ,  姜阳 ,  薛哲 ,  徐欣

IPC: G06F16/432 ,  G06F16/48 ,  G06N3/04

Abstract: 本发明提供了一种跨媒体检索模型的训练方法、跨媒体检索方法及其设备，其中，该训练方法包括获取跨媒体数据集，每条数据包括图像、文本、时间、作者及语义标签；获取每条数据的语义标签向量及各部分的特征向量；计算标签相似度，得到相似度矩阵；由图像、时间及作者特征向量得到第一模态数据，由文本、时间及作者特征向量得到第二模态数据；将两模态数据分别输入至特征映射网络，得到第一特征映射向量和第二特征映射向量；计算两特征映射向量的相似度，得到相似度矩阵；计算两个相似度矩阵的差异值，将两个特征映射向量输入至模态判别网络，得到对抗损失函数的值，优化网络参数，得到跨媒体检索模型。通过上述方案能准确进行语义关联表达。

公开(公告)号：CN113254678A

公开(公告)日：2021-08-13

申请号：CN202110797175.X

申请日：2021-07-14

Applicant: 北京邮电大学

Inventor： 杜军平 ,  姜阳 ,  薛哲 ,  徐欣

IPC: G06F16/432 ,  G06F16/48 ,  G06N3/04

Abstract: 本发明提供了一种跨媒体检索模型的训练方法、跨媒体检索方法及其设备，其中，该训练方法包括获取跨媒体数据集，每条数据包括图像、文本、时间、作者及语义标签；获取每条数据的语义标签向量及各部分的特征向量；计算标签相似度，得到相似度矩阵；由图像、时间及作者特征向量得到第一模态数据，由文本、时间及作者特征向量得到第二模态数据；将两模态数据分别输入至特征映射网络，得到第一特征映射向量和第二特征映射向量；计算两特征映射向量的相似度，得到相似度矩阵；计算两个相似度矩阵的差异值，将两个特征映射向量输入至模态判别网络，得到对抗损失函数的值，优化网络参数，得到跨媒体检索模型。通过上述方案能准确进行语义关联表达。