大连理工大学李祎获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉大连理工大学申请的专利一种基于记忆保留哈希的无监督跨模态检索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121502053B 。
龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610036831.7，技术领域涉及：G06F16/908；该发明授权一种基于记忆保留哈希的无监督跨模态检索方法是由李祎;葛小宇;付海燕;郭艳卿设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。
本一种基于记忆保留哈希的无监督跨模态检索方法在说明书摘要公布了：本发明提供一种基于记忆保留哈希的无监督跨模态检索方法，其涉及无监督跨模态检索的技术领域，包括以下步骤：特征提取与哈希学习；特征融合与相似矩阵构建；模型训练与优化。本发明利用历史记忆相似矩阵构建模块提供稳定训练监督，有效提升了哈希码的判别能力与检索鲁棒性。本发明方法无需语义标签，适用于真实场景中的无标注多媒体数据检索，且模型结构轻量、检索效率高，具备较强的实际应用能力与扩展性。
本发明授权一种基于记忆保留哈希的无监督跨模态检索方法在权利要求书中公布了：1.一种基于记忆保留哈希的无监督跨模态检索方法，其特征在于，包括以下步骤： 步骤1、特征提取与哈希学习；采用预训练编码器分别提取图像模态的原始语义特征和文本模态的原始语义特征，通过残差多层感知机将图像模态的原始语义特征和文本模态的原始语义特征投影至模态共享信息空间，得到图像模态的共享语义特征和文本模态的共享语义特征；利用带有激活函数的单层线性哈希层，将所述图像模态的共享语义特征和文本模态的共享语义特征压缩为对应的维松弛实值哈希特征，使用符号函数生成对应的二进制哈希码； 步骤2、特征融合与相似矩阵构建；通过跨模态共享特征融合模块对所述图像模态的共享语义特征和文本模态的共享语义特征进行自适应融合，得到统一的跨模态特征；基于动量更新机制构建历史记忆库，存储所述跨模态特征的历史信息，结合跨模态特征与所述历史信息构建跨模态融合语义相似矩阵； 步骤3、模型训练与优化；基于所述实值哈希特征和跨模态融合语义相似矩阵构建包含融合语义相似性保持损失、成对语义相似性保持损失、模态内与模态间相似性保持损失的总训练损失，通过最小化总训练损失优化模型参数，输出二进制哈希码。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励