[发明专利]一种用于图像或视频搜索重排序的方法

权利要求书

1.一种用于图像或视频搜索重排序的方法，其特征在于，所述方法包括以下步骤：

(1)搜索引擎中输入查询关键词进行搜索，获取基于文本的初始搜索结果S；

(2)根据所述初始搜索结果S提取不同模态下的特征向量，获取特征向量集合；

(3)根据所述初始搜索结果S对样本进行标注，获取标注后样本集合；

(4)对所述特征向量集合、所述标注后样本集合进行处理，获取新特征向量；

(5)将标注后样本集合的新特征向量作为训练集，获取排序模型；

(6)通过所述排序模型对特征向量集合的新特征向量进行排序，获取重排序后的最终结果。

2.根据权利要求1所述的一种用于图像或视频搜索重排序的方法，其特征在于，所述根据所述初始搜索结果S对样本进行标注，获取标注后样本集合具体为：

在所述初始搜索结果S中采用伪相关反馈或者人工标注等方法为每个相关性等级A、B、C标注k个样本，组成S_A、S_B、S_C三个标注样本集合，其余的为未标注样本集合。

3.根据权利要求2所述的一种用于图像或视频搜索重排序的方法，其特征在于，所述对所述特征向量集合、所述标注后样本集合进行处理，获取新特征向量具体为：

1)对特征向量集合进行中心化处理，获取中心化后特征向量集合；

2)通过三个相关性等级A、B、C构建6个n×n的零矩阵C_AA、C_BB、C_CC、C_AC、C_AB、C_BC，对6个零矩阵进行赋值获取约束矩阵H；

3)通过新特征矩阵X′、Y′和所述约束矩阵H构成同模态矩阵C_xx、C_yy与模态间矩阵

4)通过所述模态矩阵C_xx、C_yy与所述模态间矩阵获取矩阵Z，对所述矩阵Z进行奇异值分解，获取矩阵U和V；

5)分别取所述矩阵U和V的前d列组成矩阵[u₁，L u_d]，[v₁，L v_d](d＜min(p，q))，利用Wx=[wx1,L,wxd]=Cxx-1/2[u1,Lud],]]>Wy=[wy1,L,wyd]=Cyy-1/2[v1,Lvd]]]>计算变换矩阵w_x、W_y，将(W_x)^TX′和(W_y)^TY′作为新特征向量。