研究文章
大规模而且对象检索本体和深当地多任务学习
算法2
Online-phase (retrieval-phase) CFOR系统算法应用在时尚领域。
|
过程:ONLINE_CFOR |
|
目标: |
|
当有一个输入图像检测对象 |
|
提取信息的输入对象,如地区、类别和属性 |
|
返回检索结果 |
|
输入: |
|
/ /建立本体上时尚的数据 |
|
数据库/ /构造数据提取的信息和功能 |
|
classficationModels(国家)/ /训练分类模型对所有可能的概念。 |
|
multitaskModel / /属性多任务训练分类模型对所有可能的状态。 |
|
状态:列表出现在本体的所有国家。 |
|
imgQuery / /输入查询的形象 |
|
输出: |
|
retrived_info / /语义信息的检索结果。 |
|
imgList / /图像检索结果 |
|
开始 |
|
obj_list⟵探测器(imgQuery)/ /提取对象出现在输入查询的形象 |
|
在obj_list obj: |
|
开始 |
|
/ /输入对象的提取信息。对象通过本体来提取该地区,然后最后类别和属性。 |
|
有限公司⟵infor_extract (obj,到,classifyModels multitaskModel) |
|
/ /输入对象的提取特征 |
|
壮举⟵feat_extract (obj,到,classifyModels multitaskModel) |
|
结束 |
|
如果扩展是正确的: |
|
开始 |
|
/ /扩展基于提取的属性信息的查询和可选的查询 |
|
壮举有限公司,专长⟵query_expansion(有限公司) |
|
/ /计算输入和数据库之间的相似性得分。在这个函数中,分数计算相似性的基础上输入功能和数据库通过本体时图像特征将被改变。然后加上分数匹配属性得分计算匹配输入属性与数据库。索引数据库,nonexhaustive搜索将使用GPU加速应用索引。 |
|
score_list⟵compute_sim_score(数据库、家里的壮举) |
|
索引,socre_list⟵排名(score_list、数据库、top_kGPU_search = True)/ /利用GPU nonexhaustive top-k排名搜索 |
|
retrieved_info, imgList⟵检索(索引、score_list数据库、GPU_search = True)/ /检索任务 |
|
结束 |
|
结束 |
|
