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！

申请/专利权人：中国科学技术大学

摘要：本发明提供一种基于自适应梯度调制的多模态哈希检索方法、系统、存储介质和电子设备，涉及多模态机器学习领域。本发明提出了一种新的自适应损失感知调制方法，可应用但不局限于多媒体检索领域，其能够智能地监控每个模态主干网络的总的组合损失函数，然后使用组合损失来表征每个模态各自的主干网络性能。同时，可基于每个模态的组合损失计算调制系数；若调制系数小于1，利用融合损失函数执行每个模态的梯度更新时，可将调制系数与其相应的梯度相乘。也即通过自适应梯度调制衰减较强模态的主干网梯度更新，而较弱模态的梯度更新保持不变。因此可以有效地解决多模态哈希方法中的不平衡问题，获取更好的多模态融合性能，最终提高哈希检索的准确性。

主权项：1.一种基于自适应梯度调制的多模态哈希检索方法，其特征在于，设计深度多模态哈希网络，所述深度多模态哈希网络包括视觉主干网络、文本主干网络、多模态融合网络模块和哈希层；所述多模态哈希检索方法包括：获取带有类别标签的多模态数据集；其中所述多模态数据集中包括若干组相互匹配的图片与文本；将当前批次中任一图片作为所述视觉主干网络的输入，获取相应的图片特征；以及将与该图片匹配的文本作为所述文本主干网络的输入，获取相应的文本特征；将图片特征和文本特征作为所述多模态融合网络模块的输入，获取融合后的全局特征；将图片特征、文本特征和全局特征分别作为所述哈希层的输入，对应获取视觉模态、文本模态和融合模态的哈希码；根据所述类别标签，以及视觉模态或文本模态的哈希码，分别构建视觉损失和文本损失，以构建自适应梯度调制公式；根据所述类别标签和融合模态的哈希码，构建融合损失；采用随机梯度下降法最小化所述融合损失，以更新所述深度多模态哈希网络的参数直至收敛；其中采用所述自适应梯度调制公式更新视觉主干网络或文本主干网络梯度；根据收敛后的深度多模态哈希网络，对不带标签的多模态数据进行哈希检索；根据所述类别标签和视觉模态的哈希码，构建视觉损失；包括：1、构建第一相似度损失函数 其中，||·||2表示L2范数；cos表示余弦距离；分别表示任意两个视觉模态的哈希码；φij为关联矩阵，表示对相关样本之间的细粒度的关联建模；T表示转置；yi表示类别标签；i为样本索引；2、构建第一分类损失 其中，表示图片模态类别预测结果；linear表示线性层；3、构建第一中心损失 其中，表示哈希中心；4、构建视觉损失 其中，s表示时刻；根据所述类别标签和文本模态的哈希码，构建文本损失；包括：1、构建第二相似度损失函数 其中，分别表示任意两个文本模态的哈希码；2、构建第二分类损失 其中，表示文本模态类别预测结果；3、构建第二中心损失 4、构建文本损失 构建自适应梯度调制公式；包括：在当前批次中，分别计算视觉模态、文本模态对梯度的贡献率： 其中，分别表示视觉模态、文本模态对梯度的贡献率；B表示批量大小；根据所述视觉模态、文本模态对梯度的贡献率，计算自适应损失感知调制系数： 其中，sigmoid表示激活函数；z表示模态视觉v或文本模态t；α为超参数，表示调节梯度调制的量；根据所述自适应损失感知调制系数，构建所述自适应梯度调制公式： 其中，分别表示s、s+1时刻模态z主干网络的参数；η表示随机梯度下降法的超参数；表示求偏导；表示相应的损失函数。

全文数据：

权利要求：

百度查询： 中国科学技术大学 基于自适应梯度调制的多模态哈希检索方法和系统