CN113157739B - 跨模态检索方法、装置、电子设备及存储介质 - Google Patents
跨模态检索方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113157739B CN113157739B CN202110445359.XA CN202110445359A CN113157739B CN 113157739 B CN113157739 B CN 113157739B CN 202110445359 A CN202110445359 A CN 202110445359A CN 113157739 B CN113157739 B CN 113157739B
- Authority
- CN
- China
- Prior art keywords
- cross
- modal
- features
- data
- original
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 153
- 238000000605 extraction Methods 0.000 claims abstract description 71
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000004821 distillation Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 49
- 239000013598 vector Substances 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000013140 knowledge distillation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种跨模态检索方法,包括:利用预构建的特征提取网络提取原始跨模态数据的特征,得到原始跨模态数据特征,利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,基于所述标准相似度矩阵生成跨模态匹配模型,利用所述跨模态匹配模型对标准数据进行匹配,得到匹配特征,根据所述跨模态匹配模型对所述匹配特征进行数据蒸馏,得到跨模态检索模型,利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。此外,本发明还涉及区块链技术,所述检索结果可存储在区块链的节点中。本发明还提出一种跨模态检索装置、电子设备以及计算机可读存储介质。本发明可以解决跨模态检索精度较低的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种跨模态检索方法、装置、电子设备及计算机可读存储介质。
背景技术
随着科学技术的快速发展,人们对于数据的检索已不仅仅局限于同种模态数据,对于跨模态数据检索的需求日益提高,例如,通过文字来检索图像。在跨模态数据检索中,为了用图像检索文字或者用文字检索图像,我们需要找到一个对应关系使得二者能通过查询此关系进行互相转化,通常采用有监督的方法来训练一个参数矩阵,并以所述参数矩阵作为对应关系。
目前有监督的跨模态数据训练方法中,存在以下缺陷:1、有监督的训练方法需要大量的人工标注来获取标签,例如用文字对应的真实图像进行标注来进行训练,训练效率低下。2、得出的跨模态数据检索模型的精度受限于训练集,泛化到未标注数据的检索能力较差。
发明内容
本发明提供一种跨模态检索方法、装置及计算机可读存储介质,其主要目的在于解决跨模态检索精度较低的问题。
为实现上述目的,本发明提供的一种跨模态检索方法,包括:
获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征;
利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
可选地,所述利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征,包括:
利用所述特征提取网络中的图像特征提取子网络提取所述原始跨模态数据中的图片特征,得到原始图像特征,及利用所述特征提取网络中的文本特征提取子网络提取所述原始跨模态数据中的文本特征,得到原始文本特征;
汇总所述原始图像特征及所述原始文本特征得到所述原始跨模态数据特征。
可选地,所述利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型,包括:
构建图像-文本嵌入空间,将所述原始图像特征映射到所述图像-文本嵌入空间,得到图像参数向量,及将所述原始文本特征映射到所述图像-文本嵌入空间,得到文本参数向量;
基于所述图像参数向量及所述文本参数向量构建目标函数,其中,所述目标函数中包括相似度矩阵;
当所述目标函数小于预设的目标阈值时,基于所述相似度矩阵得到标准相似度矩阵。
4、可选地,所述基于所述图像参数向量及所述文本参数向量构建目标函数,包括:
基于所述图像参数向量及所述文本参数向量构建下述目标函数:
其中,θI为图像参数向量,θT为文本参数向量,S为相似度矩阵,fi I为第i个原始图像特征的映射,fJ T为第j个原始文本特征的映射。
可选地,所述利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征,包括:
利用所述图像特征提取子网络提取所述标准数据中的图片特征,得到标准图像特征,及利用所述文本特征提取子网络提取所述标准数据中的文本特征,得到标准文本特征;
将所述标准图像特征及所述标准文本特征映射到所述图像-文本嵌入空间中;
将满足所述标准相似度矩阵的所述标准图像特征及所述标准文本特征作为所述匹配特征。
可选地,所述根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型,包括:
基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛;
根据收敛后的跨模态哈希映射矩阵及预构建的损失函数计算损失值,直至所述损失值小于预设的损失阈值,基于所述跨模态哈希映射矩阵得到所述跨模态检索模型。
可选地,所述基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛,包括:
利用预设的分类函数计算所述匹配特征中不同特征的特征分布;
基于所述特征分布构建所述跨模态哈希映射矩阵,并计算所述标准相似度矩阵与所述跨模态哈希映射矩阵的差异值,直至所述差异值小于预设的差异阈值时,得到收敛后的跨模态哈希映射矩阵。
为了解决上述问题,本发明还提供一种跨模态检索装置,所述装置包括:
特征提取模块,用于获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征;
矩阵训练模块,用于利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
特征匹配模块,用于获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
跨模态蒸馏模块,用于根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
数据检索模块,用于利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的跨模态检索方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的跨模态检索方法。
本发明利用原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型,可以自动将图像特征及文本特征进行对应,提高了跨模态数据检索的速率。并且,根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,通过所述相似度矩阵来行使监督,得到跨模态检索模型,提高了跨模态检索模型的泛化能力,使得跨模态检索模型的精度更高。因此本发明提出的跨模态检索方法、装置、电子设备及计算机可读存储介质,可以解决跨模态检索精度较低的问题。
附图说明
图1为本发明一实施例提供的跨模态检索方法的流程示意图;
图2为图1中其中一个步骤的详细实施流程示意图;
图3为图1中另一个步骤的详细实施流程示意图;
图4为图1中另一个步骤的详细实施流程示意图;
图5为图1中另一个步骤的详细实施流程示意图;
图6为本发明一实施例提供的跨模态检索装置的功能模块图;
图7为本发明一实施例提供的实现所述跨模态检索方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种跨模态检索方法。所述跨模态检索方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述跨模态检索方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的跨模态检索方法的流程示意图。
在本实施例中,所述跨模态检索方法包括:
S1、获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征。
本发明实施例中,所述原始跨模态数据包括原始图像及原始文本,所述原始文本是对原始图像的文本描述。例如,所述原始跨模态数据可以为当前已公开的数据集NUS-WIDE等。
具体地,参照图2所示,所述利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征,包括:
S10、利用所述特征提取网络中的图像特征提取子网络提取所述原始跨模态数据中的图片特征,得到原始图像特征,及利用所述特征提取网络中的文本特征提取子网络提取所述原始跨模态数据中的文本特征,得到原始文本特征;
S11、汇总所述原始图像特征及所述原始文本特征得到所述原始跨模态数据特征。
本发明实施例中,所述预构建的特征提取网络包括图像特征提取子网络及文本特征提取子网络,所述图像特征提取子网络可以为VGG-F卷积神经网络,所述VGG-F卷积神经网络包括多层卷积层、池化层及全连接层,所述卷积层用于提取图像特征,所述池化层用于缩小所述图像特征,所述全连接层用于输出缩小后的图像特征。所述文本特征提取子网络可以为全连接神经网络,所述全连接神经网络包括输入层、隐藏层及输出层,所述输入层用于输入所述原始文本,所述隐藏层用于提取所述原始文本的特征,并根据预设的权重对所述特征进行预测,所述输出层用于输出预测出来的文本特征。同时,由于所述原始跨模态数据中混合有两种模态(图像和文本)的数据,利用所述特征提取网络直接提取所述原始跨模态数据的特征,相较于单一模态数据特征的提取,可以得到更加丰富的原始跨模态数据特征。
本发明实施例中,利用所述预构建的特征提取网络中的子网络提取所述原始跨模态数据的特征,可以得到更加丰富的数据特征。
S2、利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型。
详细地,参照图3所示,所述利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,包括:
S20、构建图像-文本嵌入空间,将所述原始图像特征映射到所述图像-文本嵌入空间,得到图像参数向量,及将所述原始文本特征映射到所述图像-文本嵌入空间,得到文本参数向量;
S21、基于所述图像参数向量及所述文本参数向量构建目标函数,其中,所述目标函数中包括相似度矩阵;
S22、当所述目标函数小于预设的目标阈值时,基于所述相似度矩阵得到标准相似度矩阵。
其中,所述图像-文本嵌入空间用于将所述原始图像特征及所述原始文本特征映射为同一维度的参数向量。
本发明实施例中,基于所述图像参数向量及所述文本参数向量构建下述目标函数:
其中,θI为图像参数向量,θT为文本参数向量,S为相似度矩阵,fi I为第i个原始图像特征的映射,fJ T为第j个原始文本特征的映射。
本发明实施例中,基于所述图像参数向量及所述文本参数向量构建目标函数,通过拟合所述目标函数得到最优的相似度矩阵(即所述标准相识度矩阵),当所述目标函数大于等于预设的目标阈值时,继续拟合所述目标函数,当所述目标函数小于预设的目标阈值时,停止拟合,得到所述标准相似度矩阵。例如,实际应用中,得到的标准相似度矩阵可以为S=(4-|fi I-j I|2-|fi T-fj T|2)/4,其中,|fi I-fj I|2为第i个原始图像特征的映射与第j个原始图像特征的映射的欧式距离,|fi T-fj T|2为第i个原始文本特征的映射与第j个原始文本特征的映射的欧式距离。
本发明实施例中,利用所述图像-文本嵌入空间将所述原始图像特征及原始文本特征映射为同一纬度的向量,无需大量进行人工标注,可以进行高效的无监督学习。并且基于所述标准相似度矩阵及所述特征提取网络生成的跨模态匹配模型,可以自动将图像特征及文本特征进行对应,提高了跨模态数据检索的速率。
S3、获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征。
本发明实施例中,所述标准数据可以为未经人工标注的数据集,包括标准图像及标准文本。
具体地,参照图4所示,所述利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征,包括:
S30、利用所述图像特征提取子网络提取所述标准数据中的图片特征,得到标准图像特征,及利用所述文本特征提取子网络提取所述标准数据中的文本特征,得到标准文本特征;
S31、将所述标准图像特征及所述标准文本特征映射到所述图像-文本嵌入空间中;
S32、将满足所述标准相似度矩阵的所述标准图像特征及所述标准文本特征作为所述匹配特征。
本发明实施例中,通过所述跨模态匹配模型中的标准相似度矩阵可以自动匹配相似度较高的文本及图像,提高了模型训练的准确性。
S4、根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型。
详细地,参照图5所示,所述根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型,包括:
S40、基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛;
S41、根据收敛后的跨模态哈希映射矩阵及预构建的损失函数计算损失值,直至所述损失值小于预设的损失阈值,基于所述跨模态哈希映射矩阵得到所述跨模态检索模型。
其中,所述匹配特征经由所述跨模态匹配模型转化为同一纬度的数据,并利用所述标准相似度矩阵来监督所述跨模态哈希映射矩阵,可以提高模型的泛化能力。
具体地,所述基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛,包括:
利用预设的分类函数计算所述匹配特征中不同特征的特征分布;
基于所述特征分布构建所述跨模态哈希映射矩阵,并计算所述标准相似度矩阵与所述跨模态哈希映射矩阵的差异值,直至所述差异值小于预设的差异阈值时,得到收敛后的跨模态哈希映射矩阵。
其中,所述预设的分类函数可以为带温度参数的softmax函数,所述温度参数为一种超参数,用T表示,T越大,可以使得输出的特征分布更加平滑。所述差异值可以为KL散度,所述KL散度是指对称K-L散度(symmetrical Kullback-Leibler Divergence),是一种量化两种混合分布之间差异的算法。
本发明实施例中,所述预构建的损失函数可以为三元组损失:
其中,N为匹配特征的数量,为收敛后的跨模态哈希映射矩阵与第k个同类特征/>的欧式距离,/>为收敛后的跨模态哈希映射矩阵/>与第k个不同类特征/>的欧式距离,α为固定参数。
本发明实施例中,通过所述标准相似度矩阵来监督所述跨模态哈希映射矩阵来完成知识蒸馏,能将图像特征及文本特征更好地结合在一起,提高模型检索的精度,即“第二次训练出更好的模型”。
S5、利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
具体地,所述利用所述跨模态检索模型对待检索数据进行检索,得到检索结果,包括:
利用所述跨模态检索模型提取所述待检索数据的数据特征,并将所述数据特征映射到所述图像-文本嵌入空间中;
基于所述标准相似度矩阵及所述收敛后的跨模态哈希映射矩阵匹配所述数据特征对应的模态数据,并将所述模态数据作为所述检索结果。
本发明实施例中,利用所述跨模态检索模型对待检索数据进行检索,可以提高跨模态数据检索的准确率。
本发明利用原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型,可以自动将图像特征及文本特征进行对应,提高了跨模态数据检索的速率。并且,根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,通过所述相似度矩阵来行使监督,得到跨模态检索模型,提高了跨模态检索模型的泛化能力,使得跨模态检索模型的精度更高。因此本发明实施例可以解决跨模态检索精度较低的问题。
如图6所示,是本发明一实施例提供的跨模态检索装置的功能模块图。
本发明所述跨模态检索装置100可以安装于电子设备中。根据实现的功能,所述跨模态检索装置100可以包括特征提取模块101、矩阵训练模块102、特征匹配模块103、跨模态蒸馏模块104及数据检索模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述特征提取模块101,用于获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征。
本发明实施例中,所述原始跨模态数据包括原始图像及原始文本,所述原始文本是对原始图像的文本描述。例如,所述原始跨模态数据可以为当前已公开的数据集NUS-WIDE等。
具体地,所述特征提取模块101通过下述操作得到原始跨模态数据特征:
利用所述特征提取网络中的图像特征提取子网络提取所述原始跨模态数据中的图片特征,得到原始图像特征,及利用所述特征提取网络中的文本特征提取子网络提取所述原始跨模态数据中的文本特征,得到原始文本特征;
汇总所述原始图像特征及所述原始文本特征得到所述原始跨模态数据特征。
本发明实施例中,所述预构建的特征提取网络包括图像特征提取子网络及文本特征提取子网络,所述图像特征提取子网络可以为VGG-F卷积神经网络,所述VGG-F卷积神经网络包括多层卷积层、池化层及全连接层,所述卷积层用于提取图像特征,所述池化层用于缩小所述图像特征,所述全连接层用于输出缩小后的图像特征。所述文本特征提取子网络可以为全连接神经网络,所述全连接神经网络包括输入层、隐藏层及输出层,所述输入层用于输入所述原始文本,所述隐藏层用于提取所述原始文本的特征,并根据预设的权重对所述特征进行预测,所述输出层用于输出预测出来的文本特征。同时,由于所述原始跨模态数据中混合有两种模态(图像和文本)的数据,利用所述特征提取网络直接提取所述原始跨模态数据的特征,相较于单一模态数据特征的提取,可以得到更加丰富的原始跨模态数据特征。
本发明实施例中,利用所述预构建的特征提取网络中的子网络提取所述原始跨模态数据的特征,可以得到更加丰富的数据特征。
所述矩阵训练模块102,用于利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型。
详细地,所述矩阵训练模块102通过下述操作得到标准相似度矩阵:
构建图像-文本嵌入空间,将所述原始图像特征映射到所述图像-文本嵌入空间,得到图像参数向量,及将所述原始文本特征映射到所述图像-文本嵌入空间,得到文本参数向量;
基于所述图像参数向量及所述文本参数向量构建目标函数,其中,所述目标函数中包括相似度矩阵;
当所述目标函数小于预设的目标阈值时,基于所述相似度矩阵得到标准相似度矩阵。
其中,所述图像-文本嵌入空间用于将所述原始图像特征及所述原始文本特征映射为同一维度的参数向量。
本发明实施例中,基于所述图像参数向量及所述文本参数向量构建下述目标函数:
其中,θI为图像参数向量,θT为文本参数向量,S为相似度矩阵,fi I为第i个原始图像特征的映射,fJ T为第j个原始文本特征的映射。
本发明实施例中,基于所述图像参数向量及所述文本参数向量构建目标函数,通过拟合所述目标函数得到最优的相似度矩阵(即所述标准相识度矩阵),当所述目标函数大于等于预设的目标阈值时,继续拟合所述目标函数,当所述目标函数小于预设的目标阈值时,停止拟合,得到所述标准相似度矩阵。例如,实际应用中,得到的标准相似度矩阵可以为S=(4-|fi I-fj I|2-|fi T-fj T|2)/4,其中,|fi I-fj I|2为第i个原始图像特征的映射与第j个原始图像特征的映射的欧式距离,|fi T-fj T|2为第i个原始文本特征的映射与第j个原始文本特征的映射的欧式距离。
本发明实施例中,利用所述图像-文本嵌入空间将所述原始图像特征及原始文本特征映射为同一纬度的向量,无需大量进行人工标注,可以进行高效的无监督学习。并且基于所述标准相似度矩阵及所述特征提取网络生成的跨模态匹配模型,可以自动将图像特征及文本特征进行对应,提高了跨模态数据检索的速率。
所述特征匹配模块103,用于获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征。
本发明实施例中,所述标准数据可以为未经人工标注的数据集,包括标准图像及标准文本。
具体地,所述特征匹配模块103得到匹配特征:
利用所述图像特征提取子网络提取所述标准数据中的图片特征,得到标准图像特征,及利用所述文本特征提取子网络提取所述标准数据中的文本特征,得到标准文本特征;
将所述标准图像特征及所述标准文本特征映射到所述图像-文本嵌入空间中;
将满足所述标准相似度矩阵的所述标准图像特征及所述标准文本特征作为所述匹配特征。
本发明实施例中,通过所述跨模态匹配模型中的标准相似度矩阵可以自动匹配相似度较高的文本及图像,提高了模型训练的准确性。
所述跨模态蒸馏模块104,用于根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型。
详细地,所述跨模态蒸馏模块104通过下述操作得到得到跨模态检索模型:
基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛;
根据收敛后的跨模态哈希映射矩阵及预构建的损失函数计算损失值,直至所述损失值小于预设的损失阈值,基于所述跨模态哈希映射矩阵得到所述跨模态检索模型。
其中,所述匹配特征经由所述跨模态匹配模型转化为同一纬度的数据,并利用所述标准相似度矩阵来监督所述跨模态哈希映射矩阵,可以提高模型的泛化能力。
具体地,所述跨模态蒸馏模块104通过下述操作监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛:
利用预设的分类函数计算所述匹配特征中不同特征的特征分布;
基于所述特征分布构建所述跨模态哈希映射矩阵,并计算所述标准相似度矩阵与所述跨模态哈希映射矩阵的差异值,直至所述差异值小于预设的差异阈值时,得到收敛后的跨模态哈希映射矩阵。
其中,所述预设的分类函数可以为带温度参数的softmax函数,所述温度参数为一种超参数,用T表示,T越大,可以使得输出的特征分布更加平滑。所述差异值可以为KL散度,所述KL散度是指对称K-L散度(symmetrical Kullback-Leibler Divergence),是一种量化两种混合分布之间差异的算法。
本发明实施例中,所述预构建的损失函数可以为三元组损失:
其中,N为匹配特征的数量,为收敛后的跨模态哈希映射矩阵与第k个同类特征/>的欧式距离,/>为收敛后的跨模态哈希映射矩阵/>与第k个不同类特征/>的欧式距离,α为固定参数。
本发明实施例中,通过所述标准相似度矩阵来监督所述跨模态哈希映射矩阵来完成知识蒸馏,能将图像特征及文本特征更好地结合在一起,提高模型检索的精度,即“第二次训练出更好的模型”。
所述数据检索模块105,用于利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
具体地,所述数据检索模块105通过下述操作得到检索结果:
利用所述跨模态检索模型提取所述待检索数据的数据特征,并将所述数据特征映射到所述图像-文本嵌入空间中;
基于所述标准相似度矩阵及所述收敛后的跨模态哈希映射矩阵匹配所述数据特征对应的模态数据,并将所述模态数据作为所述检索结果。
本发明实施例中,利用所述跨模态检索模型对待检索数据进行检索,可以提高跨模态数据检索的准确率。
如图7所示,是本发明一实施例提供的实现跨模态检索方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如跨模态检索程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如跨模态检索程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如跨模态检索程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图7示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(例如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(例如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的跨模态检索程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征;
利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征;
利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种跨模态检索方法,其特征在于,所述方法包括:
获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的原始图像特征和原始文本特征,得到原始跨模态数据特征;
利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
利用所述跨模态检索模型对待检索数据进行检索,得到检索结果;
其中,所述利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型,包括:构建图像-文本嵌入空间,将所述原始图像特征映射到所述图像-文本嵌入空间,得到图像参数向量,及将所述原始文本特征映射到所述图像-文本嵌入空间,得到文本参数向量;基于所述图像参数向量及所述文本参数向量构建目标函数,其中,所述目标函数中包括相似度矩阵;当所述目标函数小于预设的目标阈值时,基于所述相似度矩阵得到标准相似度矩阵;
所述基于所述图像参数向量及所述文本参数向量构建目标函数,包括:
基于所述图像参数向量及所述文本参数向量构建下述目标函数:
其中,θI为图像参数向量,θT为文本参数向量,S为相似度矩阵,fi I为第i个原始图像特征的映射,为第j个原始文本特征的映射;
所述利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征,包括:利用所述图像特征提取子网络提取所述标准数据中的图片特征,得到标准图像特征,及利用所述文本特征提取子网络提取所述标准数据中的文本特征,得到标准文本特征;将所述标准图像特征及所述标准文本特征映射到所述图像-文本嵌入空间中;将满足所述标准相似度矩阵的所述标准图像特征及所述标准文本特征作为所述匹配特征;
所述根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型,包括:基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛;根据收敛后的跨模态哈希映射矩阵及预构建的损失函数计算损失值,直至所述损失值小于预设的损失阈值,基于所述跨模态哈希映射矩阵得到所述跨模态检索模型。
2.如权利要求1所述的跨模态检索方法,其特征在于,所述利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征,包括:
利用所述特征提取网络中的图像特征提取子网络提取所述原始跨模态数据中的图片特征,得到原始图像特征,及利用所述特征提取网络中的文本特征提取子网络提取所述原始跨模态数据中的文本特征,得到原始文本特征;
汇总所述原始图像特征及所述原始文本特征得到所述原始跨模态数据特征。
3.如权利要求1所述的跨模态检索方法,其特征在于,所述基于所述匹配特征构建跨模态哈希映射矩阵,利用所述标准相似度矩阵监督所述跨模态哈希映射矩阵,直至所述跨模态哈希映射矩阵收敛,包括:
利用预设的分类函数计算所述匹配特征中不同特征的特征分布;
基于所述特征分布构建所述跨模态哈希映射矩阵,并计算所述标准相似度矩阵与所述跨模态哈希映射矩阵的差异值,直至所述差异值小于预设的差异阈值时,得到收敛后的跨模态哈希映射矩阵。
4.一种跨模态检索装置,用于实现如权利要求1至3中任意一项所述的跨模态检索方法,其特征在于,所述装置包括:
特征提取模块,用于获取原始跨模态数据,并利用预构建的特征提取网络提取所述原始跨模态数据的特征,得到原始跨模态数据特征;
矩阵训练模块,用于利用所述原始跨模态数据特征训练预构建的相似度矩阵,得到标准相似度矩阵,并基于所述标准相似度矩阵及所述特征提取网络生成跨模态匹配模型;
特征匹配模块,用于获取标准数据,利用所述跨模态匹配模型对所述标准数据进行匹配,得到匹配特征;
跨模态蒸馏模块,用于根据所述跨模态匹配模型对所述匹配特征进行跨模态数据蒸馏,得到跨模态检索模型;
数据检索模块,用于利用所述跨模态检索模型对待检索数据进行检索,得到检索结果。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3中任意一项所述的跨模态检索方法。
6.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3中任意一项所述的跨模态检索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445359.XA CN113157739B (zh) | 2021-04-23 | 2021-04-23 | 跨模态检索方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445359.XA CN113157739B (zh) | 2021-04-23 | 2021-04-23 | 跨模态检索方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113157739A CN113157739A (zh) | 2021-07-23 |
CN113157739B true CN113157739B (zh) | 2024-01-09 |
Family
ID=76870669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110445359.XA Active CN113157739B (zh) | 2021-04-23 | 2021-04-23 | 跨模态检索方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113157739B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627151B (zh) * | 2021-10-14 | 2022-02-22 | 北京中科闻歌科技股份有限公司 | 跨模态数据的匹配方法、装置、设备及介质 |
CN116992069A (zh) * | 2022-09-07 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 图像检索方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729513A (zh) * | 2017-10-25 | 2018-02-23 | 鲁东大学 | 基于语义对齐的离散监督跨模态哈希检索方法 |
CN108399211A (zh) * | 2018-02-02 | 2018-08-14 | 清华大学 | 基于二值特征的大规模图像检索算法 |
CN109299216A (zh) * | 2018-10-29 | 2019-02-01 | 山东师范大学 | 一种融合监督信息的跨模态哈希检索方法和*** |
CN110059157A (zh) * | 2019-03-18 | 2019-07-26 | 华南师范大学 | 一种图文跨模态检索方法、***、装置和存储介质 |
CN110110122A (zh) * | 2018-06-22 | 2019-08-09 | 北京交通大学 | 基于多层语义深度哈希算法的图像-文本跨模态检索 |
CN110188210A (zh) * | 2019-05-10 | 2019-08-30 | 山东师范大学 | 一种基于图正则化与模态独立的跨模态数据检索方法及*** |
CN111026894A (zh) * | 2019-12-12 | 2020-04-17 | 清华大学 | 基于可信度自适应匹配网络的跨模态图像文本检索方法 |
CN111209415A (zh) * | 2020-01-10 | 2020-05-29 | 重庆邮电大学 | 基于大批量训练的图文跨模态哈希检索方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11093560B2 (en) * | 2018-09-21 | 2021-08-17 | Microsoft Technology Licensing, Llc | Stacked cross-modal matching |
CN111353076B (zh) * | 2020-02-21 | 2023-10-10 | 华为云计算技术有限公司 | 训练跨模态检索模型的方法、跨模态检索的方法和相关装置 |
CN112148916A (zh) * | 2020-09-28 | 2020-12-29 | 华中科技大学 | 一种基于监督的跨模态检索方法、装置、设备及介质 |
-
2021
- 2021-04-23 CN CN202110445359.XA patent/CN113157739B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729513A (zh) * | 2017-10-25 | 2018-02-23 | 鲁东大学 | 基于语义对齐的离散监督跨模态哈希检索方法 |
CN108399211A (zh) * | 2018-02-02 | 2018-08-14 | 清华大学 | 基于二值特征的大规模图像检索算法 |
CN110110122A (zh) * | 2018-06-22 | 2019-08-09 | 北京交通大学 | 基于多层语义深度哈希算法的图像-文本跨模态检索 |
CN109299216A (zh) * | 2018-10-29 | 2019-02-01 | 山东师范大学 | 一种融合监督信息的跨模态哈希检索方法和*** |
CN110059157A (zh) * | 2019-03-18 | 2019-07-26 | 华南师范大学 | 一种图文跨模态检索方法、***、装置和存储介质 |
CN110188210A (zh) * | 2019-05-10 | 2019-08-30 | 山东师范大学 | 一种基于图正则化与模态独立的跨模态数据检索方法及*** |
CN111026894A (zh) * | 2019-12-12 | 2020-04-17 | 清华大学 | 基于可信度自适应匹配网络的跨模态图像文本检索方法 |
CN111209415A (zh) * | 2020-01-10 | 2020-05-29 | 重庆邮电大学 | 基于大批量训练的图文跨模态哈希检索方法 |
Non-Patent Citations (1)
Title |
---|
Multi-Modal Coreference Resolution with the Correlation between Space Structures;Qibin Zheng et al;《arXiv:1804.08010v2 [cs.AI]》;第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113157739A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814962B (zh) | 识别模型的参数获取方法、装置、电子设备及存储介质 | |
WO2021208696A1 (zh) | 用户意图分析方法、装置、电子设备及计算机存储介质 | |
CN112380343B (zh) | 问题解析方法、装置、电子设备及存储介质 | |
WO2022105179A1 (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN112860848B (zh) | 信息检索方法、装置、设备及介质 | |
CN113157739B (zh) | 跨模态检索方法、装置、电子设备及存储介质 | |
CN113887941B (zh) | 业务流程生成方法、装置、电子设备及介质 | |
CN114077841A (zh) | 基于人工智能的语义提取方法、装置、电子设备及介质 | |
CN116821373A (zh) | 基于图谱的prompt推荐方法、装置、设备及介质 | |
CN116362684A (zh) | 一种基于图书馆集群的图书管理方法、装置、设备及存储介质 | |
CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN114416939A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN116578696A (zh) | 文本摘要生成方法、装置、设备及存储介质 | |
CN116719904A (zh) | 基于图文结合的信息查询方法、装置、设备及存储介质 | |
CN116737933A (zh) | 文本分类方法、装置、电子设备及计算机可读存储介质 | |
CN116720525A (zh) | 基于问诊数据的疾病辅助分析方法、装置、设备及介质 | |
WO2023178798A1 (zh) | 图像分类方法、装置、设备及介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN115221274A (zh) | 文本情感分类方法、装置、电子设备及存储介质 | |
CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |