[发明专利]基于深度关联网络的跨模态检索方法在审
| 申请号： | 201710989497.8 | 申请日： | 2017-10-21 |
| 公开（公告）号： | CN107832351A | 公开（公告）日： | 2018-03-23 |
| 发明（设计）人： | 蔡国永;冯耀功 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04 |
| 代理公司： | 桂林市华杰专利商标事务所有限责任公司45112 | 代理人： | 杨雪梅 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了基于深度关联网络的跨模态检索方法，包括如下步骤1）利用初始特征提取方法分别获得第一模态数据的初级向量和第二模态数据的初级向量；2）建立和训练深度关联网络模型，然后分别将检索目标和检索库成员通过深度关联网络模型获得相对应的高级表示向量；3）利用高级表示向量对检索目标和检索库中每一个检索成员进行相似度匹配，即进行欧式距离的计算；4）将欧氏距离的计算结果按从小到大的顺利排列，得到检索目标的跨模态检索的结果列表。本方法在不同模态的数据之间建立了多层次的对应关联关系，同时融合了多种神经网络，使得深度模型具有更好的表示效果，并且跨模态检索的精确度更高、稳定性更好。 | ||
| 搜索关键词： | 基于 深度 关联 网络 跨模态 检索 方法 | ||
【主权项】：
基于深度关联网络的跨模态检索方法，其特征在于，包括如下步骤：1)利用初始特征提取方法分别获得第一模态数据的初级向量和第二模态数据的初级向量；2)建立和训练深度关联网络模型，分别将检索目标和检索库成员通过深度关联网络模型获得相对应的高级表示向量；3)利用高级表示向量对检索目标和检索库中每一个检索成员进行相似度匹配，即进行欧式距离的计算；4)将欧氏距离的计算结果按从小到大的顺利排列，得到检索目标的跨模态检索的结果列表。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710989497.8/，转载请声明来源钻瓜专利网。
