龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
申请日：2024-04-11
公开（公告）日：2024-06-25
公开（公告）号：CN118245524A
主分类号：G06F16/2458
分类号：G06F16/2458;G06F16/245;G06F16/22;G06F18/2431;G06F18/214;G06F18/22;G06V10/764;G06N3/048;G06N3/0895
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本申请公开了一种应对标签部分缺失的跨模态哈希模型的训练及检索方法，所述训练方法通过构造可学习的预设标签提示符来提示标签的完整性，通过预设标签提示符和跨模态训练样本的不完备标签构建标签提示向量，然后通过标签提示向量的完备分数来对预设标签提示符进行学习，最后基于学习得到的目标标签提示符对跨模态训练样本的不完备标签进行恢复，以有效地感知缺失标签，降低了不完备标签对跨模态哈希模型的影响，提高跨模态哈希模型的模型性能。同时，通过互补语义传播和自适应负配对策略减少未知对以平衡正‑负对分布，从而可以进一步提高跨模态哈希模型的模型性能。
主权项：1.一种应对标签部分缺失的跨模态哈希模型的训练方法，其特征在于，所述应对标签部分缺失的跨模态哈希模型的训练方法具体包括：对于训练样本集中的每个训练样本，在所述训练样本的不完备标签中的正语义标签中随机选取初始标签集，基于所述初始标签集和所述不完备标签生成若干对照标签集，以及依据预设标签提示符构造所述初始标签集对应标签提示向量和各对照标签集对应的对照标签提示向量，其中，所述对照标签集包括所述初始标签集中的正语义标签，或者包括所述初始标签集中的正语义标签和所述不完备标签中的负语义标签；计算各训练样本的标签提示向量的第一完备分数和各对照标签提示向量的第二完备分数；基于所有第一完备分数和所有第二完备分数构建总对比损失项，并基于所述总对比损失项对所述预设标签提示符进行学习，以得到目标标签提示符；基于所述目标标签提示符，通过所述训练样本集对应的语义标签集对各训练样本的不完备标签中的未知语义类进行标签恢复以得到各训练样本的恢复标签，以得到恢复训练样本集；基于恢复训练样本集训练预设哈希模型，以得到跨模态哈希模型。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 应对标签部分缺失的跨模态哈希模型的训练及检索方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号