[发明专利]基于近邻结构保持的哈希学习方法和装置

摘要

本发明提出一种基于近邻结构保持的哈希学习方法和装置，其中，方法包括：获取视频训练集，并提取每个训练视频的M个帧级特征；提取每个训练视频的时域外观特征，对时域外观特征进行聚类，得到锚点特征集合；从锚点特征集合中获取每个训练视频对应的时域外观近邻特征；采用编码网络，根据时域外观近邻特征，将每个训练视频编码为对应的深度表达；将每个训练视频对应的深度表达转化为一列二值码；根据二值码重构出每个训练视频对应的M个重构帧级特征；生成重构误差函数和近邻相似性误差函数；对网络进行训练，以使重构误差函数和近邻相似性误差函数最小化。能够实现保证汉明空间中近邻结构的完好保存，提高大规模无监督视频数据库上的检索精度。

主权项

1.一种基于近邻结构保持的哈希学习方法，其特征在于，所述方法包括：S1、获取视频训练集，针对所述视频训练集中的每个训练视频，提取所述每个训练视频的M个帧级特征；S2、采用自动编码器，提取每个训练视频的时域外观特征，并对所述时域外观特征进行聚类，得到锚点特征集合；S3、针对每个训练视频，从所述锚点特征集合中获取每个训练视频对应的时域外观近邻特征；S4、采用编码网络，根据所述时域外观近邻特征，将每个训练视频编码为对应的深度表达；S5、根据使用激活函数的全链接层，将所述每个训练视频对应的深度表达，转化为一列二值码；S6、采用译码网络，根据所述二值码重构出每个训练视频对应的M个重构帧级特征；S7、根据每个训练视频对应的所述帧级特征和所述重构帧级特征，生成重构误差函数，并根据所述时域外观特征和所述二值码，生成近邻相似性误差函数；S8、对网络进行训练，以使所述重构误差函数最小化，以及使所述近邻相似性误差函数最小化；其中，所述网络包括所述编码网路、所述全链接层和所述译码网络。