本發明提供一種基于多任務深度學習的圖像檢索方法、模型及其構建方法,依據標簽與標簽的關系,以及標簽與圖像視覺內容的關系,設計損失函數指導標簽的優化,在去除噪聲標簽,補全缺失標簽,減少語義模糊標簽的同時,并進一步精確地匹配每個圖像區域的對應標簽,從而用這些標簽為哈希學習提供更精確地語義指導。為了高效地進行標簽優化學習和哈希學習,提出一個端到端的聯合學習框架,在標簽學習的同時也進行哈希學習,兩種學習相互受益;設計最終損失函數來共同指導標簽學習和哈希學習,并使用動量的隨機梯度下降法優化模型參數從而得到圖像檢索模型以及圖像中的每個目標精細化的哈希表達。
聲明:
“基于多任務深度學習的圖像檢索方法、模型及其構建方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)