首页 > 专利查询

基于结构化代理的深度度量学习方法和装置[发明专利]

专利名称：基于结构化代理的深度度量学习方法和装置专利类型：发明专利

发明人：周杰，鲁继文，郑文钊，张博睿

申请号：CN202110215067.7

申请日：20210225

公开号：CN112801208A

公开日：

20210514

专利内容由知识产权出版社提供

摘要：本发明提出一种基于结构化代理的深度度量学习方法和装置，其中，方法包括：获取多个样本图像集；提取多个样本图像集中每个样本图像的图像特征向量；根据预设的结构化损失函数对多个样本图像集中所有样本图像的图像特征向量计算，获取计算结果；根据梯度下降算法和计算结果筛选出每个样本图像集中的代理样本图像；根据所有的代理样本图像训练预设的深度卷积网络，并根据训练好的深度卷积网络提取目标图像在度量空间中的目标特征向量，以便于根据目标特征向量确定目标图像与其他图像的相似性。由此，解决了现有深度度量学习技术中构建代理时使用信息不充分的问题。

申请人：清华大学

地址：100084 北京市海淀区清华园

国籍：CN

代理机构：北京清亦华知识产权代理事务所(普通合伙)

代理人：韩海花

本文发布于:2024-09-23 08:19:28，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/4/421974.html

上一篇：角管式锅炉旗式对流受热面复合等流速设计方法[发明专利]

下一篇：一种基于过时梯度反馈的工业物联网设备功率分配方法