买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中山大学申请的专利一种基于深度学习的图像分段哈希排序方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114155403B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111217840.X，技术领域涉及：G06V10/774；该发明授权一种基于深度学习的图像分段哈希排序方法是由赖韩江;龚秦康;潘炎;印鉴设计研发完成，并于2021-10-19向国家知识产权局提交的专利申请。

本一种基于深度学习的图像分段哈希排序方法在说明书摘要公布了：本发明提供一种基于深度学习的图像分段哈希排序方法，该方法通过G网络提取出可用于解决多元相似度的排序问题的哈希码，并且经过精心设计的多段哈希距离度量以及稠密三元组损失函数，在不增加哈希码长度的前提下扩大了可表述的相似度数，从而使得哈希码具有更丰富的语义信息，在排序问题中也保持着较少的计算损耗。

本发明授权一种基于深度学习的图像分段哈希排序方法在权利要求书中公布了：1.一种基于深度学习的图像分段哈希排序方法，其特征在于，包括以下步骤： S1：建立用于图像哈希码提取的深度学习网络模型G；所述步骤S1的具体过程是： S11：建立G网络的第一个模块，将预处理后的每个图像表示成一个低维的实数向量，在大规模标注照片上预训练好的模型ResNet-50，通过ResNet-50模型后提取到一组设定好长度的实数特征向量； S12：建立G网络的第二个模块，用一个全连接层将设定好长度的实数特征向量映射成一个n位哈希码，其中n为偶数，哈希码的实质是一串n位的二进制码，全连接层的输出结果仍为实数，取每一位实数的符号作为最终哈希码在该位上的结果，即1表示正数，0表示负数，由于取符号操作是不可导的运算，因此在训练过程中在全连接层上使用tanh函数作为激活函数，作为对哈希码的近似； 步骤S12中，特征提取过程如下： 先将ResNet-50模型经过ImageNet图像数据集进行预训练，然后再在Cifar-100数据集上进行微调；每个图像经过预训练好的ResNet-50模型后，会生成一组2048维大小的连续特征向量，再通过一层全连接层转为n维的连续特征向量，然后再经过哈希层转换成自定义的n长度的编码； S2：用新的分段哈希度量方式对哈希码进行距离计算；所述步骤S2的具体过程是： S21：将G网络输出的n位哈希码分为前后两段，每段的长度为n2； S22：由新设计的分段哈希度量方式进行距离计算，对于任意两个n位的哈希码，分别对二者的高n2位以及低n2位哈希码计算汉明距离，高位哈希码计算的汉明距离记为d1，低位哈希码计算的汉明距离记为d2，最终的距离： ； S3：用新的排序损失函数对模型进行训练与测试；所述步骤S3的具体过程是： S31：将数据集分为训练数据以及测试数据； S32：整体的模型要进行训练，G网络的训练步骤如下：由G网络提取出图像哈希码，由新设计的分段哈希度量计算距离，然后计算排序损失函数并最小化损失来训练G网络模型，优化G网络的参数； 步骤S32中，G网络的训练过程中，采用稠密三元组损失作为损失函数，其中三元组损失中的距离度量函数为新的分段哈希距离度量，稠密三元组损失函数定义与传统三元组定义为： 其中为锚点，为正样本，为负样本，正负样本不再仅仅只是与锚点相同和不相同的类别的样本，而是正样本只要在语义上比负样本更接近锚点就能构成三元组，通过计算标签单词的词嵌入距离来表示类别间的语义距离； 设计的为在分段哈希距离度量，采用的分段哈希距离度量，由于分段后，高位距离有33种，而低位距离也有33种，且高低位距离的权重不同，则可以产生1089种距离，即有1089个相似度，从而在不增加比特位数和参数量的基础上解决了相似度不够用的问题； S33：模型的测试步骤为：将测试数据集划分为query集和retrieval集，利用query集中的图像对retrieval集中的图像进行排序；先将retrieval集中的数据输入到G网络，然后由G网络生成哈希码，将哈希码结果存储到数据库DB；然后将query集中的每一张图像输入G网络，得到的哈希码和DB中的数据进行距离计算，之后进行nDCG计算，具体计算方式是：对于第q个query的哈希码，计算和DB中所有数据的距离，然后距离从小到大排序，将序中的每个样本和query的相似度代入到nDCG公式中进行计算，nDCG的计算公式为：，其中表示排在第i位的样本与query的相似度，表示相似度按照理想的从大到小排序的计算结果，即是个归一化因子，最后将每个query的nDCG求平均作为最终结果； S4：建立用于提供后台接口的进程，提供排序入口以及返回排序结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。