Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)张正获国家专利权

哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)张正获国家专利权

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工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利应对不完备数据的跨模态哈希模型的训练方法及检索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:CN118277451B

龙图腾网通过国家知识产权局官网在2025-09-16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:202410435592.3,技术领域涉及:G06F16/2458;该发明授权应对不完备数据的跨模态哈希模型的训练方法及检索方法是由张正;罗浩洋;吴清鹏设计研发完成,并于2024-04-11向国家知识产权局提交的专利申请。

应对不完备数据的跨模态哈希模型的训练方法及检索方法在说明书摘要公布了:本申请公开了一种应对不完备数据的跨模态哈希模型的训练方法及检索方法,所述训练方法利用不完备数据相关性,通过协调不同模态的模态哈希码和通过可学习的中间代码模型学习到的模态语义一致的哈希码来不对称地学习语义相关性。同时,通过语义标签来校准被破坏的跨模态相似度分布,并使用关系传播策略在恢复的样本上构造稳定的相似度,以及通过双重学习策略对齐和恢复模态表示,从而传递最大的模态公共信息,同时为了信息表示的传递和恢复而吸收跨模态上下文知识,进而可以实现高效的不完备跨模态检索。

本发明授权应对不完备数据的跨模态哈希模型的训练方法及检索方法在权利要求书中公布了:1.一种应对不完备数据的跨模态哈希模型的训练方法,其特征在于,所述的应对不完备数据的跨模态哈希模型的训练方法具体包括: 获取训练样本集,其中,所述训练样本集包括部分模态完备的训练样本和部分模态不完备的训练样本; 通过初始哈希模型提取各训练样本中的各模态数据的模态哈希码,并通过初始中间代码模型提取各训练样本的语义标签的原型哈希码; 对于模态集中的每个模态,根据所述模态对应的所有模态哈希码以及所有原型哈希码,确定所述模态对应的模态损失项,其中,所述模态集包括训练样本集包括的各数据模态以及语义标签; 计算所有模态损失项的和,以得到原型语义相似性协调项; 基于原型语义相似性协调项训练所述初始哈希模型和所述初始中间代码模型,以得到经过训练的跨模态哈希模型; 其中,在基于所述原型语义相似性协调项训练初始哈希模型时,所述方法还包括: 对于每个模态完备的训练样本,获取所述训练样本中的文本模态数据与图像模态数据间的模态转移向量; 选取在哈希空间中与所述图像模态数据最相似的预设数量的相似文本模态数据; 通过可学习的第一近似器,基于所述文本模态数据的模态特征与所述模态转移向量确定第一逼近项; 基于可学习的第二近似器,基于所述文本模态数据的模态特征、所述模态转移向量和各相似文本模态数据确定第二逼近项; 计算所述模态转移向量和图像模态数据的边缘概率与所述模态转移向量的边缘概率的高斯近似间的散度; 基于所述第一逼近项、第二逼近项以及散度,构建上下文对应对齐项; 将所述上下文对应对齐项和所述原型语义相似性协调项进行加权,以得到第一损失项,并采用所述第一损失项训练所述初始哈希模型。

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工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院),其通讯地址为:518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。