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！

龙图腾网获悉山东建筑大学申请的专利基于可伸展增量的动态多媒体数据哈希检索方法及系统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：CN121434420B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511998612.9，技术领域涉及：G06F16/432；该发明授权基于可伸展增量的动态多媒体数据哈希检索方法及系统是由王永欣;王裔龙;陈彦琴;李逍设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于可伸展增量的动态多媒体数据哈希检索方法及系统在说明书摘要公布了：本发明公开了一种基于可伸展增量的动态多媒体数据哈希检索方法及系统，涉及多媒体数据检索技术领域。该方法包括步骤：获取待检索的动态多媒体数据；构建预训练的哈希检索大模型，以位可伸展哈希中心为全局监督信息，标签余弦相似度作为局部监督信息对哈希检索大模型进行训练，具体的，通过前向传播得到保持新旧类判别性的新多媒体数据的泛化特征表示，构建泛化特征表示和哈希码之间的线性映射关系，引入辅助变量进行无回放的持续更新哈希函数；利用训练后的哈希检索大模型对待检索的动态多媒体数据生成查询哈希码，并利用查询哈希码进行检索。本发明实现了开放环境下动态多媒体数据流的低内存占用、高更新效率与无遗忘检索。

本发明授权基于可伸展增量的动态多媒体数据哈希检索方法及系统在权利要求书中公布了：1.一种基于可伸展增量的动态多媒体数据哈希检索方法，其特征在于，包括以下步骤： 获取待检索的动态多媒体数据，其中，多媒体数据符合模糊类增量设定； 构建预训练的哈希检索大模型，以位可伸展哈希中心为全局监督信息，标签余弦相似度作为局部监督信息对哈希检索大模型进行训练，具体的，通过前向传播得到保持新旧类判别性的新多媒体数据的泛化特征表示，构建泛化特征表示和哈希码之间的线性映射关系，引入辅助变量进行无回放的持续更新哈希函数； 通过前向传播得到保持新旧类判别性的新多媒体数据的泛化特征表示的具体步骤为：根据数据类型差异选取预训练大模型，并生成对应样本的初始特征表示，具体地，图像数据使用CLIP-ViT-L14、文本数据使用LLaMA、视频数据使用VideoMAE、音频数据使用AudioMAE，对所有模型的编码器执行单次前向传播,将原始多媒体数据输入编码器以生成对应样本的初始特征表示，为后续特征融合环节奠定基础；将得到的初始特征表示进行特征融合，得到融合特征，具体地，对预训练大模型的每个block特征进行求和并取平均的操作得到融合特征：；对融合特征进行扩展，得到扩展特征；对扩展特征进行特征平滑操作； 其中，为融合特征，N为模型block数量，l为模型block索引； 引入辅助变量进行无回放的持续更新哈希函数的具体步骤为：基于编码理论与哈达玛矩阵，生成适配类别数量的位可伸展哈希中心；将位可伸展哈希中心作为全局监督信息，标签余弦相似度作为局部监督信息，学习语义嵌入的哈希码，引入辅助变量实现无回放的持续更新哈希码，具体为：基于全局监督信息和局部监督信息重构联合学习的目标函数；使用新数据标签持续更新的目标函数；根据持续更新的目标函数无回放求解新数据的哈希码；将所有哈希码进行合并得到总体哈希码； 所述基于全局监督信息和局部监督信息重构联合学习的目标函数，具体的，将位可伸展哈希中心作为全局监督信息，标签余弦相似性作为局部监督信息，学习语义嵌入的哈希码；其中，表示累计标签矩阵，为标签归一化函数，作用是将取值为01的类别标签矩阵转化为2范数为1的实值语义向量矩阵，以便用于公式里标签余弦相似度计算与哈希码求解，为哈希码更新提供语义监督并支撑新旧哈希码语义对齐；联合学习的目标函数如下所示： 其中，是所有累积数据的哈希码，是历史数据的哈希码，是新来数据的哈希码，为取值为正实数的平衡系数，用于调节全局监督项与局部监督项的重要性占比，为Frobenius范数，用于衡量矩阵间的整体差异； 根据持续更新的目标函数无回放求解新数据的哈希码具体为，引入辅助变量来求解持续更新的目标函数的解为，只使用新数据实现等价于联合学习的解；其中为新数据标签，为第轮完整哈希中心，为平衡系数，为当前轮哈希码长；将所有哈希码进行合并得到总体哈希码； 利用训练后的哈希检索大模型对待检索的动态多媒体数据生成查询哈希码，并利用查询哈希码进行检索。

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建筑大学，其通讯地址为：250000 山东省济南市历城区临港开发区凤鸣路1000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。