一種基于哈希編碼的圖像聲音檢索方法

基本信息

申請(qǐng)?zhí)?/td> CN202111599825.6 申請(qǐng)日 -
公開（公告）號(hào) CN114328991A 公開（公告）日 2022-04-12
申請(qǐng)公布號(hào) CN114328991A 申請(qǐng)公布日 2022-04-12
分類號(hào) G06F16/432（2019.01）I;G06F16/483（2019.01）I;G06F16/45（2019.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 李若塵;張世雄;黎俊良;魏文應(yīng);龍仕強(qiáng);安欣賞 申請(qǐng)（專利權(quán)）人 深圳龍崗智能視聽研究院
代理機(jī)構(gòu) 北京京萬(wàn)通知識(shí)產(chǎn)權(quán)代理有限公司 代理人 萬(wàn)學(xué)堂;王躍交
地址 518116廣東省深圳市龍崗區(qū)龍城街道騰飛路龍崗創(chuàng)投大廈37樓
法律狀態(tài) -

摘要

摘要 一種基于哈希編碼的圖像聲音檢索方法。在預(yù)處理階段，首先將聲音通過(guò)快速傅里葉變換轉(zhuǎn)化為語(yǔ)譜圖，同時(shí)對(duì)轉(zhuǎn)化后的語(yǔ)譜圖以及原始的人臉圖像進(jìn)行旋轉(zhuǎn)、對(duì)比度變換等數(shù)據(jù)增強(qiáng)操作；在訓(xùn)練階段，將之前處理好的人臉圖像以及語(yǔ)譜圖傳入一個(gè)經(jīng)由ImageNet預(yù)訓(xùn)練的基于內(nèi)容分類的神經(jīng)網(wǎng)絡(luò)中，自動(dòng)將人臉和語(yǔ)譜圖傳遞到各自模態(tài)的特征提取網(wǎng)絡(luò)中。相比于傳統(tǒng)方法，哈希編碼大幅降低了檢索消耗的時(shí)間，提升了系統(tǒng)執(zhí)行效率；同時(shí)，對(duì)語(yǔ)譜圖進(jìn)行對(duì)比度增強(qiáng)可以抑制低頻噪聲，以及采用一個(gè)基于內(nèi)容的樣本分類器可以減少人為區(qū)分樣本出錯(cuò)的概率，本方法在目前公開的測(cè)試數(shù)據(jù)集上，取得了領(lǐng)先的檢測(cè)水平。