基于多代理度量学习的图像检索方法

摘要

本发明公开了一种基于多代理度量学习的图像检索方法，包括：1)为训练数据集中每个类别分配固定数量的代理并初始化；2)从训练数据集中采样小批量样本，将该样本输入神经网络模型中得到特征向量；3)构建采样样本与代理之间的关联关系图；4)根据关联关系和损失函数，通过梯度反向传播算法更新模型的参数值和代理的参数值；5)循环2)‑4)直到达到预设的训练停止条件，即完成训练，得到最终用于图像检索的模型。本发明基于多代理度量学习，为每个类设置多个代理来保持同类样本的差异性特征，损失函数在保证难例样本分辨能力的同时促进异类样本之间特征共享，从而提升模型在新类别上的泛化能力，从而提升图像检索的成功率。

关键词