【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种基于中心相似性的图像检索方法、系统、设备及介质。
技术介绍
1、近年来，随着大数据和人工智能技术的快速发展，哈希学习成为了近似最近邻搜索的主流研究方向，在国内外均取得了显著的进展。传统的哈希学习方法依据是否需要使用数据进行预先训练，可以被分为两大类：数据独立哈希和数据依赖哈希。数据独立哈希是不依赖于训练数据的哈希学习方法，这类方法通过随机生成的投影矩阵对数据进行二值编码。现有一种局部敏感哈希(locality-sensitive hashing，lsh)，其是一种具有代表性的数据独立哈希算法，它使用随机线性投影将附近的数据映射到相近的二值码中。另一种核局部敏感哈希(kernelized locality-sensitive hashing，klsh)在lsh的基础上加入了核函数，能更好地学习非线性特征。但是，这类方法存在两个问题，一是通常需要很长的哈希码，过长的哈希码会导致检索效率低，并且大大增加了哈希码的存储成本；二是检索精度不高。
2、由于深度神经网络在特征提取方面的强大能力，近期有很多工...
【技术保护点】
1.一种基于中心相似性的图像检索方法，其特征在于，包括：
2.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述获取图像数据集，并采用哈达玛矩阵和伯努利分布生成所述图像数据集中每一类别的哈希中心，包括：
3.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述对所述哈希中心进行修正，得到目标哈希中心，包括：
4.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述基于所述图像数据集构建训练数据集，通过深度哈希网络提取并激活所述训练数据集中每一输入图像的特征，得到低维实值特征，包括：
...【技术特征摘要】
1.一种基于中心相似性的图像检索方法，其特征在于，包括：
2.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述获取图像数据集，并采用哈达玛矩阵和伯努利分布生成所述图像数据集中每一类别的哈希中心，包括：
3.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述对所述哈希中心进行修正，得到目标哈希中心，包括：
4.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述基于所述图像数据集构建训练数据集，通过深度哈希网络提取并激活所述训练数据集中每一输入图像的特征，得到低维实值特征，包括：
5.根据权利要求1所述的基于中心相似性的图像检索方法，其特征在于，所述通过所述低维实值特征与所述目标哈希中心计算中心相似性贝叶斯损失，并采用反向传播的方式基于中心相似性贝叶斯损失训练所述...
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。