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！

龙图腾网获悉华中科技大学申请的专利图像-文本跨模态哈希码提取模型建立方法及其应用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：CN119669522B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411734332.2，技术领域涉及：G06F16/901；该发明授权图像-文本跨模态哈希码提取模型建立方法及其应用是由魏如凯;刘渝;周可设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本图像-文本跨模态哈希码提取模型建立方法及其应用在说明书摘要公布了：本发明公开了图像‑文本跨模态哈希码提取模型建立方法及其应用，属于跨模态检索领域，包括：利用哈希模型分别提取训练集和当前训练批次中的图像的哈希码和文本的哈希码，并建立图像全局图、图像局部图、文本全局图和文本局部图，利用图像局部图重建文本特征，利用文本全局图重建图像特征；建立损失函数，并进行模型训练直至损失函数收敛；损失函数包括：模态内对比损失，用于拉近全局图中相邻哈希码间的距离，并拉远不相邻哈希码间的距离；模态间对比损失，包括全局图中各节点与其相邻节点所匹配的另一模态哈希码间的相似度损失；以及重建损失，包括重建所得特征与原始特征间的损失。本发明能够提高图像‑文本跨模态检索的准确度。

本发明授权图像-文本跨模态哈希码提取模型建立方法及其应用在权利要求书中公布了：1.一种图像-文本跨模态哈希码提取模型建立方法，其特征在于，包括： S1利用第一哈希模型提取训练集和当前训练批次中各图像的哈希码，利用第二哈希模型提取训练集和当前训练批次中各文本的哈希码；所述训练集和当前训练批次中的训练数据包括相匹配的图像和文本；所述第一哈希模型用于提取图像特征V并转换为连续的哈希码；所述第二哈希模型用于提取文本特征的文本编码器T并转换为连续的哈希码； S2分别根据训练集中的图像哈希码、当前训练批次中的图像哈希码、训练集中的文本哈希码、当前训练批次中的文本哈希码建立图结构，得到图像全局图、图像局部图、文本全局图和文本局部图；图结构以哈希码为节点，且各节点及与其相似度最高的K个节点间存在边，边的权重为节点间的相似度；节点间的相似度为相应哈希码间的相似度；K为正整数； S3利用第一重建模型将图像局部图重建为特征利用第二重建模型将文本局部图重建为特征 S4建立损失函数，并根据所述损失函数对所述第一哈希模型、所述第二哈希模型、所述第一重建模型和所述第二重建模型进行训练；所述损失函数包括模态内对比损失、模态间对比损失和重建损失；所述模态内对比损失用于拉近图像全局图和文本全局图中相邻哈希码间的距离，并拉远图像全局图和文本全局图中不相邻哈希码间的距离；所述模态间对比损失包括图像全局图中各节点与其相邻节点所匹配的文本哈希码间的相似度损失，以及文本全局图中各节点与其相邻节点所匹配的图像哈希码间的相似度损失；所述重建损失包括重建所得特征与原始图像特征V间的损失，以及重建所得特征与原始文本特征T间的损失； S5若所述损失函数未收敛，则转入S1以进行下一训练批次的训练；否则，将当前的第一哈希模型和第二哈希模型分别作为图像哈希码提取模型和文本哈希码提取模型。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037号；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”。

以上内容由龙图腾AI智能生成。