基于图在线哈希模型的图像检索方法

技术特征：

1.一种基于图在线哈希模型的图像检索方法，其特征在于，包括以下步骤：

2.如权利要求1所述的图像检索方法，其特征在于，所述s3具体为：

3.如权利要求1所述的图像检索方法，其特征在于，所述s4中：在第t阶段新数据到达时，从现有数据块中以适当的比例对图像数据进行采样，以保持对旧数据的理解；新的图像数据和对应于采样图像的信息被用于训练模型；在这个阶段，只学习新数据块的哈希码，旧数据的现有哈希码不变；标签信息用于构建图形结构，构建方法与s3中相同，使用第一阶段中的相似性保持损失和分类损失作为目标函数的一部分；新旧哈希码的内积应接近对应图像的语义相似度：

4.如权利要求1所述的图像检索方法，其特征在于，所述s5中：

5.如权利要求1所述的图像检索方法，其特征在于，所述s6中：在当前阶段训练完成后，得到的哈希码及其标签会被保存到旧数据库中，为后续训练采样使用。

6.如权利要求1所述的图像检索方法，其特征在于，所述s8中：

技术总结
本发明公开了一种基于图在线哈希模型的图像检索方法，属于图像检索技术领域。本发明将每幅图像分成多个小块作为节点，采用视觉图形神经网络模型来提取图像特征；还将每张图像作为节点输入到图在线哈希模型中，通过学习相邻节点的聚合表示函数，构建GNN哈希模型来生成目标节点的特征向量；再设计由相似保持损失、分类损失和知识保持损失组成的目标函数，学习到具有强大语义表示能力的紧凑哈希码用于图像检索。本发明利用深度网络能够挖掘更具语义性特征的优势，极大地提高了针对图像流数据的在线检索精度。

技术研发人员：曹媛,贾文哲,商新峥,桂杰
受保护的技术使用者：中国海洋大学
技术研发日：
技术公布日：2024/1/16