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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于特征关联表示的图文检索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：CN116932806B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310754589.3，技术领域涉及：G06F16/583；该发明授权一种基于特征关联表示的图文检索方法是由李骜;王泽宁;孙悦恭;程媛设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于特征关联表示的图文检索方法在说明书摘要公布了：一种基于特征关联表示的图文检索方法，属于跨模态检索技术领域，该方法是利用图像和文本特征构造特征关联矩阵。然后，利用神经网络学习生成哈希函数。最后，联合设计的损失函数帮助学习生成哈希码，以此来促进模型的自适应性，与其他方法相比，精确度更高，性能更加稳健。

本发明授权一种基于特征关联表示的图文检索方法在权利要求书中公布了：1.一种基于特征关联表示的图文检索方法，所述方法包括步骤： 用VGG-19网络提取图像特征，用BOW方法提取文本特征，并将两种特征划分为训练集和测试集； 将训练集中的各模态特征，通过余弦相似计算算法分别构建图像余弦相似矩阵Cv和文本余弦相似矩阵Ct，进而构建基础关联矩阵Cbase； 划分Cbase中各对象间的相似程度，根据相似程度的不同，划分为强相关相似矩阵Cs和弱相关矩阵Cw，与Cbase通过加权计算得到特征关联矩阵Ca； 分别构造三层感知机网络fxv；θv、fxt；θt学习哈希码，其中xv表示输入为一个图像样本，xt表示输入为一个文本样本，θv、θt表示待更新的网络参数，将提取的图像文本特征输入各自哈希学习网络，生成二进制的哈希码Zv,Zt，利用特征关联矩阵Ca构造模态内和模态间的相似损失帮助网络学习，随后，定义优化函数L，L通过反向传播更新网络参数θv、θt； 将哈希函数fxv；θv、fxt；θt学习到的Zv，Zt通过余弦相似计算，并用Ca进行辅助学习，即得所述模态内和模态间的损失函数L1、L2为： L1＝||CZv,Zv-Ca||F+||CZv,Zt-Ca||F+||CZt,Zt-Ca||F L2＝||CZv,Zv-CZt,Zt||F+||CZv,Zv-CZv,Zt||F+||CZt,Zt-CZv,Zt||F 其中，||·||F代表Frobenius范数，优化函数为： L＝L1+L2 检索时，将测试集中的模态特征输入至对应的哈希学习网络，将得到哈希码与数据库中的哈希码进行比对，距离最小的即为所查询的实例类别。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。