基于自适应分布均衡特征的对比学习哈希图像检索方法技术

本发明专利技术提供一种基于自适应分布均衡特征的对比学习哈希图像检索方法，包括处理数据集，通过预训练网络处理图像数据，得到的结果作为对比学习框架的输入；构建对比学习网络，所述对比学习网络是一个孪生神经网络，在对比学习网络中首先通过相同的编码器并生成中间特征，极化操作后的中间特征分别经过特征分布优化得到最终特征，相应采取梯度截断策略，基于余弦相似性建立对比学习损失；改进损失函数，在中间特征后添加与编码器相应的解码器以重构，总损失函数包括对比学习框架的相似度损失保证特征质量的重构损失；训练整体网络模型，检验测试集中的图像检索精度，得到无监督对比学习哈希图像检索结果。本发明专利技术可提高图像检索精度。检索精度。检索精度。

【技术实现步骤摘要】
基于自适应分布均衡特征的对比学习哈希图像检索方法


[0001]本专利技术属于图像检索领域，特别是涉及一种基于自适应分布均衡特征学习的无监督对比学习哈希图像检索方法。

技术介绍

[0002]随着摄影设备的快速生产，图像的数量增长得越来越快。从大规模图像中挖掘有效信息至关重要，因此，图像检索在计算机视觉领域受到广泛关注。近似最近邻方法广泛应用于图像检索任务，哈希技术因其低内存和快速检索的特征在现有的近似最近邻方法中起到重要的作用。例如，专利文献CN110209867A提供了一种图像检索模型的训练方法、装置、设备及存储介质。所述方法包括：获取图像检索模型；获取训练样本，训练样本包括图像样本以及图像样本的标注信息；根据图像样本的标注信息，确定图像样本对应的哈希中心；通过图像样本的哈希码和图像样本对应的哈希中心，对图像检索模型进行训练，得到完成训练的图像检索模型。由于在每一轮训练过程中是将图像样本的哈希码与其所属类别的哈希中心靠近，该哈希中心反映的是图像所属类别的类别特征，因此在每一轮训练中可以同时获取到一个类别的相似度信息。相比于相关图像检索技术中，每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应分布均衡特征的对比学习哈希图像检索方法，其特征在于，包括如下步骤：步骤1，处理数据集，划分数据集为测试集和数据集；步骤2，通过预训练网络处理图像数据，得到的结果作为对比学习框架的输入，包括通过不同随机数据增强方式将图像数据转换成两个增强视图，通过预训练网络生成相应初步特征x
(1)
和x
(2)
；步骤3，构建对比学习网络，所述对比学习网络是一个孪生神经网络，将步骤2中通过预训练网络生成的两个初步特征x
(1)
和x
(2)
作为对比学习网络的输入，在对比学习网络中首先通过相同的编码器并生成中间特征l
(1)
和l
(2)
，极化操作后的中间特征为和然后将分别经过特征分布优化得到最终特征h
(1)
、h
(2)
，对极化操作后的中间特征则分别采取梯度截断策略，得到相应结果基于余弦相似性建立对比学习损失如下其中，cos
sim
()表示余弦相似性函数，stopgrad()表示对极化后的中间特征进行梯度截断操作，表示对比学习损失；步骤4，改进损失函数，包括在中间特征l
(1)
和l
(2)
后添加与编码器相应的解码器，以重构中间特征l
(1)
和l
(2)
，设由解码器重构的输...

【专利技术属性】
技术研发人员：陈亚雄，王凡，李小玉，汤一博，熊盛武，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：