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！

龙图腾网获悉桂林电子科技大学;南宁桂电电子科技研究院有限公司申请的专利一种由信息量引导的强相关性无监督跨模态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：CN116756363B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310657100.0，技术领域涉及：G06F16/583；该发明授权一种由信息量引导的强相关性无监督跨模态检索方法是由蓝如师;戴六连;李芳;杨睿;罗笑南设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种由信息量引导的强相关性无监督跨模态检索方法在说明书摘要公布了：本发明涉及跨模态检索技术领域，具体涉及一种由信息量引导的强相关性无监督跨模态检索方法，通过以下步骤实现：首先提取图像局部特征和全局特征，以及文本特征；对图像局部特征和全局特征进行增强；再对增强后的局部特征进行正则化处理；然后使用图像特征融合网络对图像全局特征和局部特征进行正交融合；接着使用多模态融合网络对图像特征和文本特征根据不同模态特征信息量转换比例原则进行融合；最后将不同模态特征映射成哈希码，利用汉明距离进行相似性排序，从而得出检索结果。本发明侧重于对数据特征的增强和融合，能获取更多的语义信息，提高了检索效率。

本发明授权一种由信息量引导的强相关性无监督跨模态检索方法在权利要求书中公布了：1.一种由信息量引导的强相关性无监督跨模态检索方法，其特征在于，包括下列步骤： 步骤1：分别对图像数据集和文本数据集进行预处理，对处理后的图像和文本数据进行特征提取，得到图像局部特征、图像全局特征和文本特征； 步骤2：处理获得增强图像局部特征、增强图像全局特征和完全文本特征向量； 步骤3：将所述增强图像局部特征进行正则化处理，避免图像中某一区域特征被重复关注，减小增强后的局部特征之间的相似性； 步骤4：将所述增强图像全局特征和正则化处理后的增强图像局部特征输入图像特征融合网络，得到完全图像特征向量； 步骤5：将所述完全文本特征向量和所述完全图像特征向量输入多模态融合网络，按照信息量转换比例将图像特征和文本特征进行融合得到多模态融合特征向量； 具体将计算图像特征矩阵含有的信息量和文本特征矩阵信息量，根据不同模态信息量比例进行特征融合； 步骤6：将不同模态的完全特征向量映射为各自的哈希码，分别得到图像和文本的哈希向量，基于步骤5的多模态融合特征向量对数据进行多轮训练后，最终学习到不同模态最优的哈希映射函数，当输入查询数据时，使用学习到的哈希映射函数将查询数据映射为相应的哈希向量，并计算查询哈希向量与检索库中样本哈希向量的汉明距离，距离越小，相似度越大，检索精度越高。

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桂林电子科技大学;南宁桂电电子科技研究院有限公司，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。