【技术实现步骤摘要】
本专利技术涉及检索系统，具体为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。
技术介绍
1、随着信息技术的飞速发展，大规模跨模态检索在图像、文本等领域变得日益重要。然而，现有技术在面对这一挑战时存在一系列缺点和问题，阻碍了系统在实际应用中的性能和效率。
2、现有的跨模态检索系统在标注大规模数据方面存在巨大成本，获取标签数据过程复杂且耗时，在跨模态数据中存在语义差异导致检索性能下降和检索效率低下的问题。
3、因此，本申请提出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，有效地解决了现有技术在大规模跨模态检索中的瓶颈问题，提高了检索的准确性和效率，具备更广泛的应用前景。
4、1、专利文件cn114329109b公开了一种基于弱监督哈希学习的多模态检索方法及系统，上述专利实现了减少了计算复杂度且提高了检索精度，但上述专利不能实现对无标签数据的有效表示功能。
5、2、专利文件cn112035700b公开了一种基于cnn的语音深度哈希学习方法及系统，上述专利实现了解决现有基于内容的语音检...
【技术保护点】
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；
2.根据权利要求1所述的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：所述跨模态表示学习模块用于对检索特征数据进行映射共享嵌入；
3.根据权利要求1所述的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：所述目标函数设计优化模块用于对目标函数进行训练和优化；
4.根据权利要求2所述的一种面向大规模跨模态检索的无监督哈希学习系统，...
【技术特征摘要】
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；
2.根据权利要求1所述的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：所述跨模态表示学习模块用于对检索特征数据进行映射共享嵌入；
3.根据权利要求1所述的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：所述目标函数设计优化模块用于对目标函数进行训练和优化；
4.根据权利要求2所述的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：所述跨模态表示学习模块内还设计有数据准备预处理模块，数据准备预处理模块用于获取大规模跨模态数据集并进行预处理；
5.根据权利要求1所述的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：所述无监督哈希学习模块内还设计有优化算法训练模块，优化算法训练模块用于对无监督哈希学习模块的学习...
【专利技术属性】
技术研发人员：张洪岭，毛新华，杨张震，方晶，王晨旭，
申请(专利权)人：合肥中科云数科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。