龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：合肥中科云数科技有限公司
摘要：本发明公开了一种面向大规模跨模态检索的无监督哈希学习系统及方法，涉及检索系统技术领域，包括无监督哈希学习模块、跨模态表示学习模块和目标函数设计优化模块，所述跨模态表示学习模块的数据库将数据映射至无监督哈希学习模块作为数据输入，所述无监督哈希学习模块的数据输出作为目标函数设计优化模块的优化目标，所述无监督哈希学习模块用于生成二进制哈希码并进行优化学习；所述无监督哈希学习模块包括：自编码器哈希学习单元、哈希编码优化单元和变分自编码器哈希学习单元。本发明通过设计有无监督哈希学习模块，实现了对无标签数据的有效表示功能，解决了传统检索系统依赖于大量标注数据成本增加的问题，提高检索效率。
主权项：1.一种面向大规模跨模态检索的无监督哈希学习系统，其特征在于：包括无监督哈希学习模块、跨模态表示学习模块和目标函数设计优化模块，所述无监督哈希学习模块用于生成二进制哈希码并进行优化学习；所述无监督哈希学习模块包括：自编码器哈希学习单元、哈希编码优化单元和变分自编码器哈希学习单元；所述自编码器哈希学习单元构建自编码器网络结构，包括编码器和解码器，并引入二进制化层，使用深度学习框架TensorFlow，通过最小化重构损失训练网络，生成二进制哈希码；所述哈希编码优化单元引入L2正则化项，以优化生成的哈希码，针对生成的哈希码添加正则化项，调整损失函数，平衡哈希码的质量和稀疏性；所述变分自编码器哈希学习单元引入变分推理网络，增加对哈希码生成的随机性，提高泛化性能，利用变分推理网络生成哈希码，通过最小化变分推理损失进行训练。
全文数据：
权利要求：
百度查询： 合肥中科云数科技有限公司 一种面向大规模跨模态检索的无监督哈希学习系统及方法
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