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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心)申请的专利基于深度语义代理的多模态哈希检索方法、系统、设备及介质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：CN118035470B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202410349165.3，技术领域涉及：G06F16/43；该发明授权基于深度语义代理的多模态哈希检索方法、系统、设备及介质是由郑超群;左瑞帆;管红娇;鹿文鹏设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本基于深度语义代理的多模态哈希检索方法、系统、设备及介质在说明书摘要公布了：本发明公开了基于深度语义代理的多模态哈希检索方法、系统、设备及介质，属于人工智能及多模态哈希检索技术领域，本发明要解决的技术问题为多模态哈希检索过程中多模态融合不充分的问题以及忽略的数据本身与监督语义之间的关联弱，技术方案为：构建多模态数据集：获取图像模态和文本模态数据集，并进行预处理，再使用CLIP预训练模型对图像模态和文本模态数据集进行深度特征提取，并按照比例构建训练集、测试集和检索集，再组合生成最终的数据集；构建基于深度语义代理的多模态哈希检索模型：利用神经网络和深度学习方法构建基于深度语义代理的多模态哈希检索模型；训练模型：利用最终的数据集对基于深度语义代理的多模态哈希检索模型进行训练。

本发明授权基于深度语义代理的多模态哈希检索方法、系统、设备及介质在权利要求书中公布了：1.一种基于深度语义代理的多模态哈希检索方法，其特征在于，该方法具体如下： 构建多模态数据集：获取图像模态和文本模态数据集，并进行预处理，再使用CLIP预训练模型对图像模态和文本模态数据集进行深度特征提取，并按照比例构建训练集、测试集和检索集，再组合生成最终的数据集； 构建基于深度语义代理的多模态哈希检索模型：利用神经网络和深度学习方法构建基于深度语义代理的多模态哈希检索模型； 训练模型：利用最终的数据集对基于深度语义代理的多模态哈希检索模型进行训练； 其中，构建基于深度语义代理的多模态哈希检索模型具体如下： 多模态融合：将深度图像特征和深度文本特征经过细粒度特征提取器提取后得到深度图像特征特征权重和深度文本特征特征权重，将深度图像特征特征权重和深度文本特征特征权重经过特征细化部分处理得到细化图像特征和细化文本特征，经过多模态特征融合生成特征融合矩阵，并通过哈希映射部分输出哈希码； 语义代理哈希：将成对的深度图像特征、深度文本特征和深度标签特征通过多层感知机映射为图像编码、文本编码和标签编码，再通过松散耦合融合和代理哈希映射生成两个代理哈希码； 哈希检索查询：哈希码通过计算汉明距离进行相似性检索，多次迭代计算平均精度用于对检索性能进行评估； 多模态融合具体如下： 特征细化：通过细粒度特征提取器处理得到图像特征权重和文本特征权重，分别将深度图像特征与图像特征权重以及深度文本特征与文本特征权重点乘得到图像细化特征以及文本细化特征，公式如下： Cx＝TxX,θdx；Cy＝TyY,θdy； 其中，X和Y分别表示深度图像特征和深度文本特征；Tx和Ty分别表示图像细粒度特征提取器和文本细粒度特征提取器；Cx和Cy分别表示图像特征权重和文本特征权重；θdx和θdy表示训练参数；和分别表示图像细化特征和文本细化特征； 多模态特征融合：将图像细化特征和文本细化特征经过多模态特征融合生成特征融合矩阵，公式如下： 其中，表示特征融合矩阵；k1和k2表示模态融合参数；和分别表示图像细化特征和文本细化特征； 哈希映射：将特征融合矩阵经过哈希映射生成哈希码；公式如下： 其中，Bi表示第i对样本特征的哈希码；表示第i对样本特征的特征融合向量。

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山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市经十路东首科学院路19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”。

以上内容由龙图腾AI智能生成。