[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

本發明公開了一種用于分布式架構的快速監督離散哈希圖像檢索系統，包括：樣本數據庫，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；核化處理模塊，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，且通過訓練尋優，得到最佳哈希函數投影矩陣以及最佳哈希碼矩陣；測試樣本獲取模塊：用于獲取測試圖像數據；圖像檢索模塊：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。其效果是：通過回歸標簽信息到二進制哈希碼的方式可以使得學習得到的哈希碼具有很好的分類屬性，從而提高了檢索精度，降低了計算復雜度，縮短了訓練時間。

技術領域

本發明涉及圖像分類檢索技術，更具體地說，是一種用于分布式架構的快速監督離散哈希圖像檢索系統。

背景技術

近年來，哈希方法被廣泛研究并應用于各種領域，包括目標識別、計算機視覺、圖像檢索等相關領域。哈希方法通過構造哈希函數將原始相似的高維數據映射為具有較小的漢明距的相似二進制哈希碼。高維數據通過哈希碼表示的方式，解決了大規模高維數據需要消耗大量存儲空間以及檢索時間的問題，從而在存儲和計算速度上都能獲得較高的效率?，F有的哈希方法主要分為兩大類：數據獨立哈希和數據依賴哈希。數據獨立哈希方法并未直接通過訓練數據來學習二進制哈希碼和哈希函數。具有代表性的數據獨立哈希方法有局部敏感哈希。而數據依賴哈希方法則充分利用訓練樣本的信息來學習二進制壓縮碼和哈希函數?，F有的數據依賴哈希方法又被分為三類：無監督哈希、半監督哈希和監督哈希。

無監督哈希方法不需要通過標簽信息，而是直接使用數據的特征信息來學習得到哈希函數。如迭代量化、譜哈希、錨點圖哈希等。半監督哈希方法，通過結合未標記信息和標記信息來學習哈希函數，如半監督判別哈希、半監督流形嵌入式哈希等。而監督哈希方法則是利用訓練樣本的標簽信息來學習哈希函數。具有代表性的監督哈希方法包括監督離散哈希，快速監督離散哈希等。

上述的哈希學習方法僅適用于在單一節點上學習哈希碼和哈希函數，即集中式哈希。但是，在現實應用中，數據通常分布在不同的位置，如無線傳感器網絡、萬維網等分布式環境中。為此，現階段已經提出的分布式哈希方法包括無監督分布式哈希、分布式圖哈希等方法。但是，由于算法的不穩定性和時間復雜度較高，這些方法在檢索精度和訓練時間上都存在一定的缺陷。因此，針對分布式環境問題，如何通過監督哈希既能精準又能快速地實現圖像檢索，是本領域研究人員所需要解決的問題。

發明內容

針對目前研究存在的問題，本發明在于克服集中式哈希學習應用場景的局限性而提供的一種用于分布式架構的快速監督離散哈希圖像檢索系統，不僅能提高哈希優化問題的訓練速度，同時也提高了圖像檢索的精度。

為實現上述目的，本發明所采用的具體技術方案如下：

一種用于分布式架構的快速監督離散哈希圖像檢索系統，其關鍵在于包括：

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。

可選地，所述核化處理模塊采用高斯核函數進行處理，具體為：