买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于异构信息交互的多物场景下的图文匹配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119003802B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411082605.X，技术领域涉及：G06F16/432；该发明授权一种基于异构信息交互的多物场景下的图文匹配方法是由谢委衡;王雁冰;李骜;杨海陆;程媛设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种基于异构信息交互的多物场景下的图文匹配方法在说明书摘要公布了：一种基于异构信息交互的多物场景下的图文匹配方法，属于多媒体信息处理中的图文匹配领域。本发明首先将数据集划分为训练集、测试集。然后，构造针对多物数据图文匹配问题的联合哈希码矩阵学习公式。然后，利用交替更新算法1对联合哈希码矩阵学习公式进行求解，得到联合哈希码矩阵B。然后，构造针对多物数据图文匹配问题的哈希函数学习公式。然后，利用交替更新算法2对哈希函数学习公式进行求解，得到哈希函数F1、F2。最后，利用上述步骤得到的联合哈希码矩阵B和哈希函数F1、F2对测试集进行测试并计算多物场景下图文匹配的平均准确率。与其他方法相比，本发明的平均准确率更高。

本发明授权一种基于异构信息交互的多物场景下的图文匹配方法在权利要求书中公布了：1.一种基于异构信息交互的多物场景下的图文匹配方法，所述方法包括步骤： 将数据集划分为训练集、测试集； 构造针对多物数据图文匹配问题的联合哈希码矩阵学习公式； 所述联合哈希码矩阵学习公式为： 其中，为多物图像数据矩阵，为多物文本数据矩阵，其中d1、d2为多物图像、文本数据的维度，n为样本数量，为进行核化处理的多物图像、文本数据矩阵，其中q为核化后数据的维度，对于多物图像、文本数据矩阵中某一位置的列向量x，其在进行核化处理的多物图像、文本矩阵中对应位置的列向量为其中 为向量的2-范数的平方，为从对应的数据矩阵中不重复随机提取的q个列向量，q也即核化后的数据维度，为核宽度，xi为对应数据矩阵的第i列向量，gj为中的第j个列向量，||·||2为向量的2-范数，U1、U2∈Rq×r分别为多物图像、文本数据的潜在因子矩阵，其中r为哈希码长度，L∈Rc×n为种类标记矩阵，当第j个数据包含第i个物体时，Lij＝1，否则Lij＝0，其中c为物体种类的数量，为单位化后的种类标记矩阵，即li为种类标记矩阵的第i个列向量，Γ∈Rc×n为索引矩阵，当Lij＝1时，Γij＝1，否则Γij＝-1，⊙为哈达玛积符号，E1、E2∈Rc×n分别为多物图像、文本数据的间隔元素矩阵，用于加强异类数据远离的约束，P1、P2∈Rc×r分别为多物图像、文本数据的信息投影矩阵，V1、V2∈Rr×n为多物图像、文本的独立潜在表示空间，V1 TV2用于异构信息交互，用于指导异构信息交互，Q1、Q2∈Rr×r分别为多物图像、文本数据具有正交约束的投影矩阵，B∈{-1,1}r×n为元素是-1或1的联合哈希码矩阵，为矩阵的F-范数的平方，Ir为维度为r的单位矩阵，λ1、λ2、α、β1、β2、μ为权衡参数； 利用交替更新算法1对联合哈希码矩阵学习公式进行求解，得到联合哈希码矩阵B； 所述交替更新算法1总结如下： 构造针对多物数据图文匹配问题的哈希函数学习公式； 所述哈希函数学习公式为： 其中，为单位化后的种类标记矩阵，F1、F2∈Rr×q分别为多物图像、文本数据的哈希函数，其中r为哈希码长度，q为联合哈希码矩阵学习公式中提到的核化后数据的维度，μ1、μ2为权衡参数； 利用交替更新算法2对哈希函数学习公式进行求解，得到哈希函数F1、F2； 所述交替更新算法2总结如下： 利用上述步骤得到的联合哈希码矩阵B和哈希函数F1、F2对测试集进行测试并计算多物场景下图文匹配的平均准确率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。