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！

龙图腾网获悉华中科技大学申请的专利一种跨模态哈希检索特征融合方法、系统及存储介质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：CN116992054B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202311063089.1，技术领域涉及：G06F16/383；该发明授权一种跨模态哈希检索特征融合方法、系统及存储介质是由白康男;陈凯;邓贤君;聂新;高鹏毅;李升辉;李冰倩;张宁;朱凯迪;单成顶;白无瑕设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本一种跨模态哈希检索特征融合方法、系统及存储介质在说明书摘要公布了：本发明公开了一种跨模态哈希检索特征融合方法、系统及存储介质，属于计算机多模态技术领域，包括：训练阶段：采用图像和文本构成的数据对作为训练样本数据集对跨模态哈希检索模型进行训练；所述跨模态哈希检索模型包括：语义特征提取模块，用于提取训练样本中不同模态数据的语义特征，并预测对应模态的哈希码；张量融合模块，用于采用张量融合算子将不同模态数据的语义特征融合，并用融合后的语义特征对应的哈希码对所述语义特征提取模块中预测的哈希码进行语义指导；对抗特征融合模块，用于和不同模态数据的语义特征进行对抗训练；应用阶段：用训练好的跨模态哈希检索模型执行跨模态哈希检索任务。本发明能够提升跨模态哈希检索精度。

本发明授权一种跨模态哈希检索特征融合方法、系统及存储介质在权利要求书中公布了：1.一种跨模态哈希检索特征融合方法，其特征在于，包括： 训练阶段：采用图像和文本构成的数据对作为训练样本数据集对跨模态哈希检索模型进行训练，标签为图像和文本中对应的类别标注； 其中，所述跨模态哈希检索模型包括： 语义特征提取模块，用于提取训练样本中不同模态数据的语义特征，并预测对应模态的哈希码； 张量融合模块，用于采用张量融合算子将不同模态数据的语义特征融合，并用融合后的语义特征对应的哈希码对所述语义特征提取模块中预测的哈希码进行语义指导；所述张量融合算子为：Γ＝Γc×1Ti×2Tt×3To，Γc为多模态权重矩阵，用于指导不同模态的语义特征融合过程中的权重分配；Ti,Tt,To分别为针对单一模态或者任务的权重矩阵；×k算子表示第k个模态对应的语义特征与权重矩阵的投影计算； 对抗特征融合模块，用于和不同模态数据的语义特征进行对抗训练，以对所述语义特征提取模块中不同模态数据的语义特征进行语义指导； 应用阶段：将待检索的文本和图片输入至训练好的语义特征提取模块中，得到对应模态的哈希码，根据所述哈希码得到检索结果； 所述语义特征提取模块中，所述不同模态数据的语义特征包括图片语义特征fi、文本语义特征ft以及标签语义特征fl； 所述张量融合模块中，采用所述张量融合算子将不同模态数据的语义特征融合，包括： 将所述图片语义特征fi和所述文本语义特征ft采用分别经过一层非线性映射后，得到对应的图片特征张量fiTTi和文本特征张量ftTTt； 采用多模态权重矩阵Γc对所述图片特征张量fiTTi和所述文本特征张量ftTTt进行融合和权重分配，得到融合后的张量 将融合后的张量和所述标签语义特征fl分别经过一层非线性映射后，得到对应的图片文本融合特征张量和标签特征张量flTTt； 采用多模态权重矩阵Γc对所述图片文本融合特征张量和所述标签特征张量flTTt进行融合和权重分配，得到再次融合后的张量z： 将所述张量z再次经过一层非线性映射后，得到所述融合后的语义特征ff：ff＝zTTo。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。