首页> 中国专利> 基于深度对偶变分哈希的无监督跨模态检索模型训练方法

基于深度对偶变分哈希的无监督跨模态检索模型训练方法

页面导航

摘要

本发明公开了一种基于图像检索文本的跨模态检索模型训练方法、基于文本检索图像的跨模态检索模型训练方法、及基于深度对偶变分哈希的无监督跨模态检索模型训练方法。解决了跨模态检索精确度低的技术问题，提高了跨模态检索的精确性。

公开/公告号CN111914950B

专利类型发明专利
公开/公告日2021-04-16

原文格式PDF
申请/专利权人合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);
展开▼

申请/专利号CN202010846633.X
发明设计人张勇东;李攀登;谢洪涛;
展开▼

申请日2020-08-20
分类号G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06F40/30(20200101);G06F16/43(20190101);
代理机构44287 深圳市世纪恒程知识产权代理事务所;
代理人薛福玲
地址 230000 安徽省合肥市望江西路5089号中国科学技术大学先进研究院未来中心B1205-B1208
入库时间 2022-08-23 11:39:23

1. 基于深度对偶变分哈希的无监督跨模态检索模型训练方法 [P] . 中国专利： CN111914950B . 2021.04.16
2. 基于深度对偶变分哈希的无监督跨模态检索模型训练方法 [P] . 中国专利： CN111914950A . 2020-11-10
3. UNSUPERVISED, SEMI-SUPERVISED, AND SUPERVISED LEARNING USING DEEP LEARNING BASED PROBABILISTIC GENERATIVE MODELS [P] . US2021256391A1 . 2021-08-19

机译：使用深受基于深度学习的概率生成模型的无监督，半监督和监督学习
4. Unsupervised training method, training apparatus, and training program for an N-gram language model based upon recognition reliability [P] . 美国专利： US9536518B2 . 2017-01-03

机译：基于识别可靠性的N-gram语言模型的无监督训练方法，训练设备和训练程序
5. UNSUPERVISED TRAINING METHOD, TRAINING APPARATUS, AND TRAINING PROGRAM FOR AN N-GRAM LANGUAGE MODEL BASED UPON RECOGNITION RELIABILITY [P] . 美国专利： US2017025118A1 . 2017-01-26

机译：基于识别可靠性的N-G语言模型的无监督训练方法，训练装置和训练程序