[發明專利]建立跨域聯合分布匹配模型的方法、裝置及其應用

在審

• 申請號: 201810713109.8
• 申請日: 2018-06-29
• 公開（公告）號: CN108960324A
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 王浩;杜長營;龐旭林;張晨;楊康
• 申請（專利權）人: 北京奇虎科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N5/04;G06N3/04
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝;何立春

1.一種建立跨域聯合分布匹配模型的方法，其中，該方法包括：對于一個視圖x、另一個視圖y以及兩者的共享隱含表示z，建立生成器、樣本聯合分布、鑒別器和目標函數；其中，

建立生成器包括：確定給定z時x的條件高斯分布p01、給定z時y的條件高斯分布p02、給定x時z的條件高斯分布p03以及給定y時z的條件高斯分布p04；

建立樣本聯合分布包括：建立z和x的生成式聯合分布p1，建立z和x的推理式聯合分布p2，建立z和y的生成式聯合分布p3，建立z和y的推理式聯合分布p4，定義x和y的聯合分布p5為x和y配對出現的真實觀測數據的分布，利用z建立x和y的生成式聯合分布p6，利用z建立x為真實觀測數據而y為生成數據時的x和y的推理與生成聯合分布p7，利用z建立y為真實觀測數據而x為生成數據時的x和y的推理與生成聯合分布p8；

建立鑒別器包括：使用參數為ω_x的深度神經網絡DNN建立鑒別來自聯合分布p1的樣本和來自聯合分布p2的樣本的第一鑒別器使用參數為ω_y的DNN建立鑒別來自聯合分布p3的樣本和來自聯合分布p4的樣本的第二鑒別器使用參數為ζ的DNN建立鑒別x和y配對出現的真實觀測樣本P5和來自聯合分布P6的樣本的第三鑒別器D_ζ(x,y)，使用參數為的DNN建立鑒別來自聯合分布p7的樣本和來自聯合分布p8的樣本的第四鑒別器使用參數為χ_x的DNN建立鑒別從視圖y到視圖x的跨域映射性能的第五鑒別器使用參數為χ_y的DNN建立鑒別從視圖x到視圖y的跨域映射性能的第六鑒別器

建立目標函數包括：在給定z時，根據p01得到視圖x的偽樣本根據p02得到視圖y的偽樣本同時得到跨域偽配對樣本在給定觀測到的樣本x時，根據p03得到隱含表示z的樣本在給定觀測到的y時，根據p04得到隱含表示z的樣本設定根據x推斷然后預測y得到的偽樣本為設定根據y推斷然后預測x得到的偽樣本為則目標函數為：

其中，Θ表示所有生成器的集合，Ω表示所有鑒別器的集合，而E_z[·]表示在z所服從的分布上關于中括號內的函數取期望；

對各生成器和各鑒別器進行訓練，確定各生成器和各鑒別器中的參數。

2.如權利要求1所述的方法，其中，所述建立生成器具體包括：

使用參數為θ_x的DNN建立生成網絡，該網絡以隱含表示z為輸入，以關于視圖x的均值向量和協方差矩陣為輸出；根據該網絡輸出的視圖x的均值向量和協方差矩陣，確定給定z時視圖x的條件高斯分布

使用參數為θ_y的DNN建立生成網絡，該網絡以隱含表示z為輸入，以關于視圖y的均值向量和協方差矩陣為輸出；根據該網絡輸出的視圖y的均值向量和協方差矩陣，確定給定z時視圖y的條件高斯分布

使用參數為φ_x的DNN建立推理網絡，該網絡以視圖x為輸入，以隱含表示z的均值向量和協方差矩陣為輸出；根據該網絡輸出的隱含表示z的均值向量和協方差矩陣，確定給定視圖x時z的條件高斯分布

使用參數為φ_y的DNN建立推理網絡，該網絡以視圖y為輸入，以隱含表示z的均值向量和協方差矩陣為輸出；根據該網絡輸出的隱含表示z的均值向量和協方差矩陣，確定給定視圖y時z的條件高斯分布

3.如權利要求1或2所述的方法，其中，

隱含表示z的樣本來自于給定的簡單先驗分布p(z)，具體為多維標準正太分布或均勻分布；

視圖x的樣本來自于該視圖的經驗觀測分布p(x)；

視圖y的樣本來自于該視圖的經驗觀測分布p(y)。

4.一種跨域聯合分布匹配模型的應用方法，該跨域聯合分布匹配模型是根據如權利要求1-3中任一項所述的方法建立的，其中，該方法包括：

對于給定的視圖x的樣本，通過由參數為φ_x的推理網絡定義的條件高斯分布推斷與其相應的隱含表示然后通過由參數為θ_y的生成網絡定義的條件高斯分布生成視圖y的偽樣本