公开(公告)号：CN112800260A

公开(公告)日：2021-05-14

申请号：CN202110381057.0

申请日：2021-04-09

Applicant: 北京邮电大学

Inventor： 周修庄 ,  黄鹏

IPC: G06F16/532 ,  G06F16/583 ,  G06F16/55 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种基于深度哈希能量模型的多标签图像检索方法及装置，涉及图像检索技术领域。其中，该方法包括：获取查询图像，通过能量模型预训练完成的模型文件获取所述查询图像的哈希编码，所述能量模型包括基于噪声对比估计NCE的EBM分类损失模型，和通过均方误差MSE对所述能量模型进行模型优化的哈希量化MSE损失模型，基于所述的EBM分类损失模型和所述的哈希量化MSE损失模型建立联合学习模型；遵循汉明空间检索的评估方法，包括剪枝和扫描。上述方案中EBM分类损失模型用以预测多标签图像的分类信息，哈希量化MSE损失模型用以帮助深度网络模型学习到更好的哈希编码，由此，基于EBM分类损失模型和哈希量化MSE损失模型建立联合学习模型充分利用深度哈希和能量模型两者的优势，有效提升了模型的图像检索准确性。

公开(公告)号：CN112800260B

公开(公告)日：2021-08-20

申请号：CN202110381057.0

申请日：2021-04-09

Applicant: 北京邮电大学

Inventor： 周修庄 ,  黄鹏

IPC: G06F16/532 ,  G06F16/583 ,  G06F16/55 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种基于深度哈希能量模型的多标签图像检索方法及装置，涉及图像检索技术领域。其中，该方法包括：获取查询图像，通过能量模型预训练完成的模型文件获取所述查询图像的哈希编码，所述能量模型包括基于噪声对比估计NCE的EBM分类损失模型，和通过均方误差MSE对所述能量模型进行模型优化的哈希量化MSE损失模型，基于所述的EBM分类损失模型和所述的哈希量化MSE损失模型建立联合学习模型；遵循汉明空间检索的评估方法，包括剪枝和扫描。上述方案中EBM分类损失模型用以预测多标签图像的分类信息，哈希量化MSE损失模型用以帮助深度网络模型学习到更好的哈希编码，由此，基于EBM分类损失模型和哈希量化MSE损失模型建立联合学习模型充分利用深度哈希和能量模型两者的优势，有效提升了模型的图像检索准确性。