[發(fā)明專利]基于監(jiān)督轉移的零樣本哈希圖片檢索方法

在審

• 申請?zhí)枺?/td>: 201710253104.7
• 申請日: 2017-04-18
• 公開（公告）號: CN107346327A
• 公開（公告）日: 2017-11-14
• 發(fā)明（設計）人: 楊陽;羅雅丹;陳緯倫;沈復民;邵杰;申恒濤
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 電子科技大學專利中心51203
• 代理人: 周劉英

1.基于監(jiān)督轉移的零樣本哈希圖片檢索方法，其特征在于，包括下列步驟：

步驟1:對訓練樣本集進行圖片與圖片標簽的預處理，得到訓練樣本集的圖片特征向量集X、標簽向量集Y，每個訓練樣本的圖片特征向量用x_i表示，對應的標簽向量為y_i，下標為訓練樣本標識符；

步驟2：基于訓練樣本的圖片特征向量集X、標簽向量集Y進行哈希函數(shù)訓練：

步驟201：隨機初始化語義整合矩陣R、哈希碼矩陣B、映射關系矩陣W、哈希矩陣P；

其中，R^TR＝I_c，I_c表示c×c的單位矩陣，c表示預設的類別數(shù)目，符號(·)^T表示矩陣轉置；

矩陣B＝[b₁,b₂,…,b_n]∈{-1,1}^l×n表示所有訓練樣本哈希碼構成的哈希碼矩陣，l表示哈希碼的長度，n表示訓練樣本集數(shù)量，b_i∈{-1,1}^1×n表示第i個樣本的哈希碼，i＝1,2,…,n；

映射關系矩陣W表示從哈希碼到監(jiān)督的標簽向量的映射關系矩陣，且W為l×c維的實數(shù)域矩陣；

哈希矩陣P為l×m維的實數(shù)域矩陣，其中m表示標簽向量的維數(shù)；

步驟202：從訓練樣本的圖片特征向量x中隨機選擇m個核：a₁,a₂,…,a_m，根據(jù)公式計算φ(x)，其中x表示任意訓練樣本的圖片特征向量，平衡系數(shù)δ的取值范圍為[-1,1]，m對應標簽向量的維數(shù)；

步驟204：根據(jù)L＝D-S構建拉普拉斯矩陣L，其中D是一個對角矩陣，S表示樣本的相似度矩陣，矩陣D的第i個對角元為矩陣S的元S_ij表示訓練樣本i、訓練樣本j的圖片特征向量x_i、x_j之間的相似度，相似度S_ij的計算公式為：當x_i在x_j的預設領域內或x_j在x_i的預設領域內時，否則S_ij＝0；其中σ的取值范圍為0～1；

步驟205：對目標方程進行離散求解，迭代得到語義整合矩陣R、哈希碼矩陣B、映射關系矩陣W、哈希矩陣P的最優(yōu)解，所述目標方程為：

minf,W,B,R||RTY-WTB||F2+λ||W||F2+α||f(X)-B||F2+β||P||F2+γΣi=1nΣj=1nSij||f(xi)-f(xj)||F2]]>

其中，表示矩陣的Frobenius范數(shù)，平衡參數(shù)λ、α、β、γ均為大于0的數(shù)，映射關系f是從特征空間到哈希碼的哈希函數(shù)；

步驟3：基于步驟2得到的哈希矩陣P，根據(jù)公式f(x)＝P^Tφ(x)生成各訓練樣本的哈希碼；

步驟4：輸入待檢索對象的圖片I_t，并提取得到圖片特征向量x_t、標簽向量y_t；

采用步驟202相同的方式計算當前圖片的φ(x_t)，再基于步驟2得到的哈希矩陣P，通過公式f(x_t)＝P^Tφ(x_t)生成當前圖片的哈希碼；

基于哈希碼，在檢索范圍中查找出目標圖像的k個最鄰近圖像進行檢索結果返回，其中k為預設值。