一种基于关键对象特征的深度监督跨模态检索方法
授权
摘要
本发明提供一种基于关键对象特征的深度监督跨模态检索方法，具体包括：首先构建特征学习模块抽取每个模态的深度特征，建立每个模态的注意力网络模型将各个模态抽取的特征分为关键特征和辅助特征，然后将每个模态抽取的关键特征和辅助特征进行融合作为最终的语义表征，最后建立三重损失函数：公共空间损失，标签空间损失和模态间不变性损失对模型进行训练学习。本发明提供的方法不仅能提高检索速度而且能够有效解决跨模态检索中精确度不高的问题。
基本信息
专利标题 ：
一种基于关键对象特征的深度监督跨模态检索方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113010720A
申请号 ：
CN202110208356.4
公开（公告）日 ：
2021-06-22
申请日 ：
2021-02-24
授权号 ：
CN113010720B
授权日 ：
2022-06-07
发明人 ：
曾焕强阮海涛陈婧张联昌刘青松张帆
申请人 ：
华侨大学;厦门亿联网络技术股份有限公司;厦门云知芯智能科技有限公司;厦门华联电子股份有限公司
申请人地址 ：
福建省泉州市丰泽区城东城华北路269号
代理机构 ：
厦门市首创君合专利事务所有限公司
代理人 ：
张松亭
优先权 ：
CN202110208356.4
主分类号 ：
G06F16/583
IPC分类号 ：
G06F16/583 G06F16/33 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/583
•••使用从内容中自动派生的元数据
法律状态
2022-06-07 ：
授权
2021-07-09 ：
实质审查的生效
IPC(主分类) : G06F 16/583
申请日 : 20210224
申请日 : 20210224
2021-06-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
