申请/专利权人：华东师范大学

申请日：2024-03-25

公开（公告）日：2024-06-25

公开（公告）号：CN118245625A

主分类号：G06F16/58

分类号：G06F16/58;G06F16/538;G06F16/51;G06N3/092

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了一种基于强化学习的图像检索方法，构建并训练用于测算关键参数组合查准率的真实近邻分布估计模型，采用强化学习确定球树索引的分布因子和叶节点大小，其中奖励函数基于关键参数组合的查询时延和查准率计算得到，根据确定的分布因子和叶节点大小构建图像集合的球树索引，然后基于球树索引进行图像检索。本发明利用强化学习来自动优化球树索引参数的方法，并将优化后的球树索引用于近似图像检索领域，从而提高图像检索的性能。

主权项：1.一种基于强化学习的图像检索方法，其特征在于，包括以下步骤：S1：根据实际需要收集N张图像，得到图像集合A；S2：根据实际需要构建真实近邻分布估计模型，其中输入为球树索引分布因子B、叶节点大小L和查询近邻数量K所构成的参数向量B,L,K，输出为W维的分布向量，该分布向量中每个维度对应一个叶子分区，对应元素值表示在相应分区内找到K个真实近邻的比例；分别确定分布因子B、叶节点大小L和查询近邻数量K的取值范围，随机取值得到若干个参数向量，根据每个参数向量中分布因子和叶节点大小对图像集合A构建球状索引，然后获取对应的分布向量，从而得到训练样本；采用训练样本对真实近邻分布估计模型进行训练，得到训练好的真实近邻分布估计模型；S3：采用强化学习确定球树索引的分布因子B和叶节点大小L，强化学习中的参数设置如下：设置状态st＝Bt,Lt,ΔTt-1,Pt-1，其中t表示时刻，Bt表示时刻t的分布因子，Lt表示时刻t的叶节点大小，ΔTt-1表示时刻t-1的查询时延，Pt-1表示时刻t-1的查准率；设置动作at＝ΔBt,ΔLt，ΔBt表示时刻t的分布因子调整量，且Bt+1＝Bt+ΔBt∈[Bmin,Bmax]，Bt+1表示时刻t+1的分布因子，Bmin、Bmax表示分布因子的最小值和最大值，ΔLt表示时刻t的叶节点大小调整量，且Lt+1＝Lt+ΔLt∈[Lmin,Lmax]，Lt+1表示时刻t+1的叶节点大小，Lmin、Lmax表示叶节点大小的最小值和最大值；奖励函数的计算方法如下：采用如下公式计算查询时延ΔTt： 其中，λ表示预设的常数；然后将当前参数向量Bt+ΔBt,Lt+ΔLt,K输入训练好的真实近邻分布估计模型，得到W维的分布向量，采用如下公式计算查准率Pt：Pt＝logW-H其中，H表示分布向量的熵，其计算公式为： 其中，pw表示分布向量中第w维元素值，即第w个叶子节点的分区内找到K个真实近邻的比例；然后采用如下公式计算得到当前的奖励函数Rt：Rt＝ΔTt+PtS4：根据步骤S3确定的分布因子和叶子节点大小对图像集合A构建球树索引；S5：采用构建的球树索引对待检索图像进行检索，得到由相似度最高的K个图像构成的检索结果。

全文数据：

权利要求：

百度查询： 华东师范大学 基于强化学习的图像检索方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD