[發(fā)明專利]基于多標(biāo)簽投影在線哈希算法的圖像檢索方法

在審

• 申請?zhí)枺?/td>: 202211280617.4
• 申請日: 2022-10-19
• 公開（公告）號: CN115618039A
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計(jì)）人: 曹媛;賈文哲;桂杰
• 申請（專利權(quán)）人: 中國海洋大學(xué)
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06V10/74
• 代理公司: 青島海昊知識產(chǎn)權(quán)事務(wù)所有限公司 37201
• 代理人: 劉艷青

1.一種基于多標(biāo)簽投影在線哈希算法的圖像檢索方法，其特征在于，該圖像檢索方法包括以下步驟：

S1：首先獲取圖像數(shù)據(jù)及其對應(yīng)的標(biāo)簽向量；

S2：對圖像數(shù)據(jù)進(jìn)行預(yù)處理：初始化各個(gè)參數(shù)，并將圖像數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)塊作為流數(shù)據(jù)；

S3：構(gòu)造查詢池：通過對每個(gè)階段的流數(shù)據(jù)進(jìn)行隨機(jī)采樣獲得新的中心點(diǎn)，并將中心點(diǎn)的集合作為查詢池；

S4：針對單標(biāo)簽和多標(biāo)簽圖像數(shù)據(jù)不同情況構(gòu)造相似度矩陣；

S5：考慮相似度矩陣和標(biāo)簽向量作為目標(biāo)函數(shù)；

S6：根據(jù)目標(biāo)函數(shù)對哈希函數(shù)進(jìn)行更新；

S7：利用更新后的哈希函數(shù)對查詢池進(jìn)行更新，通過鄰居保持算法來保持查詢池?cái)?shù)據(jù)的最近鄰居；

S8：返回S3步驟，直到所有數(shù)據(jù)塊訓(xùn)練完成，輸出檢索結(jié)果，最終完成圖像數(shù)據(jù)檢索。

2.如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述S3中：在第一個(gè)批次中隨機(jī)選擇幾個(gè)點(diǎn)作為中心點(diǎn)X_C，在后面的數(shù)據(jù)批次中使用蓄水池采樣法進(jìn)行隨機(jī)采樣替換原先查詢池中的部分?jǐn)?shù)據(jù)。

3.如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述S4中：根據(jù)數(shù)據(jù)攜帶標(biāo)簽數(shù)不同分為單標(biāo)簽數(shù)據(jù)和多標(biāo)簽數(shù)據(jù)；對于多標(biāo)簽數(shù)據(jù)，設(shè)計(jì)一個(gè)相似度矩陣構(gòu)建算法，先通過標(biāo)簽向量l構(gòu)造兩個(gè)實(shí)例x_i和x_j間的相似性s⁺和s^-，計(jì)算如下：

其中，l表示實(shí)例標(biāo)簽向量，由0和1組成，||表示實(shí)例所含的標(biāo)簽數(shù)量；

在上述式子(1)的基礎(chǔ)上，取他們的平均值來定義兩個(gè)實(shí)例之間的相似性，如下所示：

4.如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述S5中：

S5-1：首先要最小化相似度矩陣和哈希碼內(nèi)積之間的誤差，同時(shí)對新的流數(shù)據(jù)添加量化誤差，目標(biāo)函數(shù)如下：

其中和分別表示新數(shù)據(jù)和累積的舊數(shù)據(jù)的哈希碼，k是哈希碼的長度，S^t表示新數(shù)據(jù)和舊數(shù)據(jù)之間的相似度矩陣，W^t是第t階段的哈希函數(shù)投影矩陣，表示新數(shù)據(jù)流的特征矩陣；

S5-2：對于標(biāo)簽向量，構(gòu)造了一個(gè)標(biāo)簽投影損失來充分利用標(biāo)簽；具體地，流數(shù)據(jù)和現(xiàn)有數(shù)據(jù)的標(biāo)簽都被投影以接近它們相應(yīng)的散列碼，其被公式化為：

其中P^t表示表示將標(biāo)簽映射到散列碼的投影矩陣，和分別表示新數(shù)據(jù)和舊數(shù)據(jù)的標(biāo)簽向量組成的矩陣；

S5-3：為了避免過擬合，為目標(biāo)函數(shù)添加了正則項(xiàng)，并設(shè)置了目標(biāo)函數(shù)的五個(gè)權(quán)重來權(quán)衡各個(gè)學(xué)習(xí)部分；總體目標(biāo)函數(shù)如下：

5.如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述S6中：使用上述公式(5)對哈希函數(shù)進(jìn)行更新，計(jì)算過程如下：

其中I_d是一個(gè)d×d的單位矩陣，d是數(shù)據(jù)的維數(shù)；

其中I_c是一個(gè)c×c的單位矩陣，c是標(biāo)簽類別總數(shù)；

其中

由于是很難直接優(yōu)化的，所以我們逐個(gè)優(yōu)化每個(gè)哈希位如下所示：

其中和分別表示要更新和固定的哈希位，這也適用于其他參數(shù)和變量；需要學(xué)習(xí)參數(shù)W^t,P^t,

6.如權(quán)利要求1所述的圖像檢索方法，其特征在于，所述S7中：根據(jù)最新的哈希函數(shù)對查詢池?cái)?shù)據(jù)及其潛在近鄰進(jìn)行映射得到哈希碼和并對中心點(diǎn)的潛在鄰居使用鄰居保持算法進(jìn)行更新，這樣，潛在鄰居可以隨著流數(shù)據(jù)的增加而動(dòng)態(tài)更新；為第i個(gè)中心點(diǎn)的潛在鄰居；所述鄰居保持算法如下：

首先構(gòu)造一個(gè)函數(shù)：

SH(A,B,α)＝sort(Hamm(A,B),α) (10)

其中，A,B表示兩個(gè)哈希矩陣，Hamm(A,B)表示兩個(gè)哈希矩陣之間的漢明距離矩陣，sort(Hamm(A,B),α)表示返回B中具有最小值的前α個(gè)鄰居的索引；最后，第i個(gè)中心點(diǎn)的潛在鄰居更新如下：