[發明專利]用于分布式架構的快速監督離散哈希圖像檢索系統

有效

• 申請號: 201910372377.2
• 申請日: 2019-05-06
• 公開（公告）號: CN110110128B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 陳楓;劉志鋒
• 申請（專利權）人: 西南大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/55;G06F16/51
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

1.一種用于分布式架構的快速監督離散哈希圖像檢索系統，其特征在于包括：

樣本數據庫，該樣本數據庫中用于分布式存儲網絡模型中各個節點上傳的樣本圖像數據，從而構建樣本數據集；

核化處理模塊，用于對各個節點上傳的樣本圖像數據進行核化處理，得到對應的特征矩陣；

分布式快速監督離散哈希學習模塊：用于構建分布式快速監督離散哈希學習模型，且通過對核化處理后的樣本數據集進行訓練尋優，得到最佳哈希函數投影矩陣以及所述樣本數據集對應的最佳哈希碼矩陣；

測試樣本獲取模塊：用于獲取測試圖像數據；

圖像檢索模塊：該圖像檢索模塊將所述測試圖像數據傳送至所述核化處理模塊處理后得到對應的特征矩陣，然后通過所述最佳哈希函數投影矩陣處理得到測試圖像數據的哈希碼，然后通過計算測試圖像數據的哈希碼與所述最佳哈希碼矩陣之間的漢明距離確定最終的圖像檢索結果；

所述分布式快速監督離散哈希學習模塊按照：

s.t.W_l＝W_s,P_l＝P_s,s∈N(l),

作為全局目標損失函數進行尋優，其中：B_l表示第l個節點上傳的樣本圖像數據對應的哈希碼矩陣，Y_l表示第l個節點上傳的樣本圖像數據對應的標簽集，W_l表示第l個節點對應的分類器矩陣，P_l表示第l個節點對應的哈希函數投影矩陣，K(X_l)表示第l個節點上傳的樣本圖像數據核化表達特征矩陣，λ和μ表示正則化系數，W_l＝W_s表示相鄰兩個節點的分類器矩陣相同，P_l＝P_s表示相鄰兩個節點的哈希碼函數投影矩陣相同，P為從所述樣本數據庫選擇的樣本對應的節點個數；

網絡模型中第l個節點的訓練圖像特征集用表示，其中n_l和d分別是該節點樣本的個數和特征維度，表示該節點的第i個訓練圖像的特征表示，是實數集合；總的訓練圖像集為其中代表所有節點訓練圖像樣本總數；

第l個節點的訓練圖像集對應的標簽集用表示，其中n_l和c分別是該節點樣本對應標簽的個數和類別數，表示該節點l的第i個訓練圖像樣本所對應的標簽信息，{0,1}用于標記類別信息，如果屬于類別z，則否則為0；

用于檢索的測試圖像樣本特征集用表示，其中m表示測試樣本的個數，表示第i個測試圖像的特征表示，測試樣本對應的標簽集

從總的訓練圖像特征集中隨機選取q個樣本作為錨點集用于對樣本作高斯核映射參考；

歸一化P個節點的訓練樣本特征信息和測試樣本特征信息，然后通過高斯非線性核映射到核空間中作為訓練樣本和測試樣本的核化表達特征矩陣K(X_l)和K(X_T)，其中高斯核函數為：

K(x)＝[exp(-||x-a₁||²/σ)，…，exp(-||x-a_q||²/σ)]，x表示樣本的特征向量，通過樣本圖像數據中隨機選擇q個樣本作為錨點，a₁～a_q表示第q個錨點的特征向量，σ為預設的高斯核函數的寬度系數；

針對P個節點中的訓練樣本，在所述分布式快速監督離散哈希學習模塊的尋優過程中：先初始化節點l的哈希碼矩陣B_l的初始化是通過隨機生成得到的，其中k表示哈希碼的長度；

同時初始化目標函數中的分類器矩陣和哈希函數投影矩陣兩者都是隨機生成，且初始化的兩個矩陣均被所有節點所共用，即對任意的節點l∈{1,2,…,P}，初始化W_l＝W，P_l＝P；初始化拉格朗日乘子系數用于后續分別求解分類器矩陣W和投影哈希函數投影矩陣P；初始化正則化系數λ，μ，α,β以及最大迭代次數T；

根據全局目標損失函數，先初始化B_l、P_l以及W_l，在保持P_l和W_l不變的情況下，通過全局目標損失函數尋找局部最佳B_l；

然后在保持B_l和P_l不變的情況下，通過全局目標損失函數尋找局部最佳W_l；

然后在保持B_l和W_l不變的情況下，通過全局目標損失函數尋找局部最佳P_l；

反復循環上述過程，直到最大迭代次數或算法收斂，從而得到所有節點的最佳哈希函數投影矩陣集以及所述樣本數據集對應的最佳哈希碼矩陣；并從中隨機選取一個節點的最優投影矩陣作為全局最優哈希函數投影矩陣P；

在訓練尋優過程中，利用增廣拉格朗日乘子公式表示全局目標損失函數，并利用交替方向乘子法確定局部最優目標。

2.根據權利要求1所述的用于分布式架構的快速監督離散哈希圖像檢索系統，其特征在于：所述圖像檢索模塊按照B_T＝sign(K(X_T)P)確定測試圖像數據的哈希碼B_T，其中K(X_T)為測試圖像數據核化表達特征矩陣，P為全局最優哈希函數投影矩陣，sign()為符號函數。