[發(fā)明專利]基于空間重要性的深度加權(quán)哈希學(xué)習(xí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010021252.8
• 申請(qǐng)日: 2020-01-09
• 公開（公告）號(hào): CN111222003B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設(shè)計(jì)）人: 聶秀山;尹義龍;史洋
• 申請(qǐng)（專利權(quán)）人: 山東建筑大學(xué)
• 主分類號(hào): G06F16/583
• 分類號(hào): G06F16/583;G06F16/51;G06F16/901
• 代理公司: 山東瑞宸知識(shí)產(chǎn)權(quán)代理有限公司 37268
• 代理人: 徐健

1.一種基于空間重要性的深度加權(quán)哈希學(xué)習(xí)方法，其特征在于該方法包括以下步驟：

(1)利用深度網(wǎng)絡(luò)學(xué)習(xí)空間重要性信息：構(gòu)造深度空間重要性學(xué)習(xí)模型，即將圖像送入深度網(wǎng)絡(luò)，深度網(wǎng)絡(luò)根據(jù)圖像的像素位置對(duì)圖像分類的敏感程度以及圖像的分類標(biāo)簽信息學(xué)習(xí)得到圖像的空間重要性信息，所述空間重要性信息是表征原始圖像中每個(gè)像素位置的數(shù)據(jù)對(duì)于整個(gè)圖像的識(shí)別的貢獻(xiàn)度的信息，如果某個(gè)像素位置的數(shù)據(jù)能夠?qū)D像的識(shí)別有較大的幫助，就認(rèn)為這個(gè)像素位置的空間重要性高，反之認(rèn)為該位置的空間重要性低；

(2)重要性區(qū)域和非重要性區(qū)域的哈希學(xué)習(xí)，具體步驟為：

①通過步驟(1)得到的重要性信息以及原圖像，生成圖像的重要性區(qū)域和圖像的非重要性區(qū)域；

②將圖像的重要性區(qū)域和圖像的非重要性區(qū)域放入兩個(gè)不同的深度網(wǎng)絡(luò)；

③利用兩個(gè)深度網(wǎng)絡(luò)建立哈希碼和原始特征的映射關(guān)系，得到圖像的重要性區(qū)域的哈希碼和圖像的非重要性區(qū)域的哈希碼；

④將圖像的重要性區(qū)域的哈希碼和圖像的非重要性區(qū)域的哈希碼拼接起來，得到最終的哈希碼。

2.根據(jù)權(quán)利要求1所述的一種基于空間重要性的深度加權(quán)哈希學(xué)習(xí)方法，其特征在于：步驟(2)中，通過樣本標(biāo)記信息、樣本相似性信息以及量化信息來建立哈希聯(lián)合優(yōu)化目標(biāo)函數(shù)，經(jīng)過優(yōu)化目標(biāo)函數(shù)獲取哈希表示，所述目標(biāo)函數(shù)如下：

其中，B為所有圖片的哈希碼，L_s代表相似性損失，L_q代表量化損失，L_c代表分類損失，η和β是參數(shù)，在L_s中S是相似性矩陣，s_ij為相似性矩陣中圖像i圖像j的相似性，若同類則為1，不同類則為0，b_i和b_j是圖像i圖像j哈希碼，在L_q中b_i是圖像i的哈希碼，d_i是深度網(wǎng)絡(luò)得到的結(jié)果，在L_c中y_i是圖像i的標(biāo)記信息，是網(wǎng)絡(luò)得到的預(yù)測(cè)信息。

3.根據(jù)權(quán)利要求1所述的一種基于空間重要性的深度加權(quán)哈希學(xué)習(xí)方法，其特征在于：所述深度網(wǎng)絡(luò)包括卷積神經(jīng)網(wǎng)絡(luò)CNN、全卷積網(wǎng)絡(luò)FCN。