公开(公告)号：CN109948029A

公开(公告)日：2019-06-28

申请号：CN201910071846.7

申请日：2019-01-25

Applicant: 南京邮电大学

Inventor： 胡海峰 ,  蒋林瑞

IPC: G06F16/953 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了强化学习及深度学习领域的一种基于神经网络自适应的深度哈希图像搜索方法，首先在数据集中对大规模图像进行分类标记，然后通过定义搜索空间，利用循环神经网络抽样得到多组卷积神经网络结构模型，随后分别将抽样得到的卷积神经网络在哈希损失函数的约束下训练并得到mAP值，然后利用传回的mAP值，使用强化学习中的策略梯度方法同时通过反向传播来更新循环神经网络的参数，在达到目标迭代数目后，最后选取了最终的神经网络结构，本发明解决了在大规模图像检索过程中，传统深度哈希方法应用图像分类卷积神经网络而不是适应于深度哈希任务的神经网络所导致的性能欠佳的问题，有效提高了神经网络结构的设计效率，减少了计算开销。

公开(公告)号：CN109948029B

公开(公告)日：2022-10-14

申请号：CN201910071846.7

申请日：2019-01-25

Applicant: 南京邮电大学

Inventor： 胡海峰 ,  蒋林瑞

IPC: G06F16/953 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了强化学习及深度学习领域的一种基于神经网络自适应的深度哈希图像搜索方法，首先在数据集中对大规模图像进行分类标记，然后通过定义搜索空间，利用循环神经网络抽样得到多组卷积神经网络结构模型，随后分别将抽样得到的卷积神经网络在哈希损失函数的约束下训练并得到mAP值，然后利用传回的mAP值，使用强化学习中的策略梯度方法同时通过反向传播来更新循环神经网络的参数，在达到目标迭代数目后，最后选取了最终的神经网络结构，本发明解决了在大规模图像检索过程中，传统深度哈希方法应用图像分类卷积神经网络而不是适应于深度哈希任务的神经网络所导致的性能欠佳的问题，有效提高了神经网络结构的设计效率，减少了计算开销。