【技术实现步骤摘要】
本专利技术涉及图像相似度计算，尤其涉及一种基于欧氏空间与双曲空间融合的图像相似度计算方法。
技术介绍
1、图像相似度计算是计算机视觉中的核心任务，广泛应用于图像检索、分类与推荐等场景，其目的是准确量化图像之间的语义关联。传统方法依赖于手工设计特征（如sift、hog）结合固定距离度量（如欧氏距离）进行匹配，在复杂语义或大规模场景下表达能力有限。
2、随着深度学习技术的发展，主流方法采用基于图像嵌入的相似度计算策略，通过对比损失、三元组损失或代理损失等机制在欧氏空间中进行训练，并以类别标签作为相似性判断依据。然而，此类方法依赖于二元标签监督，难以反映不同类别之间的语义亲近程度，导致相似度评分粒度不足，无法有效区分“较为相似”与“完全不相似”的图像对。同时，欧氏空间本身的各向同性结构限制了其对图像层次语义的表达能力。
3、近年来，双曲空间因其负曲率特性，可更自然地嵌入树状结构数据，成为建模语义层次关系的潜在方向。但现有双曲空间方法仍面临挑战：一方面，黎曼几何下的优化复杂度较高，聚类式层次建模在大规模场景下计算代价大、...
【技术保护点】
1.一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，在步骤S12中，在将图像样本集输入深度神经网络之前，对图像样本集进行类别标签标注，则图像样本集记为，表示每个图像样本，表示每个图像样本的类别标签；
3.根据权利要求2所述的一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，在步骤S13中，向图像样本集中每个类别分配一个代理向量，对代理向量进行初始化的方式有如下两种：
4.根据权利要求3所述的一种基于欧...
【技术特征摘要】
1.一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，在步骤s12中，在将图像样本集输入深度神经网络之前，对图像样本集进行类别标签标注，则图像样本集记为，表示每个图像样本，表示每个图像样本的类别标签；
3.根据权利要求2所述的一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，在步骤s13中，向图像样本集中每个类别分配一个代理向量，对代理向量进行初始化的方式有如下两种：
4.根据权利要求3所述的一种基于欧氏空间与双曲空间融合的图像相似度计算方法，其特征在于，在步骤s14中，基于代理向量的相似度度量学习方法采用proxy-anchor损失函数，proxy-anchor损失函数的设计为：
5.根据权利要求4所述的一种基于欧氏空...
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。