半监督GAN的散列特征表示学习方法

摘要

本发明公开了一种半监督GAN的散列特征表示的学习方法，通过2个及以上的生成式对抗网络组成DSH‑SGANs网络，其中第一个生成式对抗网络以图像和标签向量为输入，其余生成式对抗网络以前一个分支的隐含特征和标签向量为输入；考虑深度散列优化目标、对抗优化目标、分类优化目标和结构一致优化目标，优化生成网络和判别网络；利用优化后的网络，确定待分析图像的散列特征表示。本发明根据图像标注信息蕴含的图像之间的相似性，确定面向图像检索深度散列优化目标，挖掘图像标注的语义信息，提升了图像检索的准确率。