LoL最新赛事- 2025年最佳英雄联盟投注网站本发明公开了一种基于深度哈希的数字藏品检索方法,涉及数字藏品检索技术领域,解决传统方法效率低的技术问题,方法包括,首先对训练图像进行缩放处理,缩放处理后再进行随机裁剪为图像特征提取所需要的图像尺寸,随后对裁剪后的图像进行正则化,将经过预处理的图像输入到卷积网络得到图像的高维特征,定义中心学习队列用于保存高维特征,从高维特征学习哈希中心,将高维特征映射到特定长度的哈希码,哈希损失函数学习,得到能够更好的保持数据的语义信息的哈希损失函数,哈希损失函数可以产生高质量的哈希码。将哈希损失函数应用到数字藏品检索中。本发明还公开了一种基于深度哈希的数字藏品检索系统。

　　[0002] 随着信息化的发展,大部分的藏品被数字化,这有利于藏品的保存、保护和利用。数字藏品可以理解为中国特色,本质上为受监管的NFT,是使用区块链技术进行唯一标识的经数字化的特定作品、艺术品和商品,比如数字画作、图片、音乐、视频、3D模型等。每个数字藏品都映射着特定区块链上的唯一序列,不可篡改、不可分割,也不能互相替代。即使数字藏品本身稍微有一点修改,其在区块链上同样是唯一的序列,因此区块链上的唯一序列并不能用来区分数字藏品,从而导致数字藏品的审查工作变得相当困难。

　　[0004] 专利申请文件CN114359590ANFT图像作品侵权检测方法、装置、及计算机存储介质中的方法公开了,将待检测NFT图像作品与图像数据库中的多个图像的图像特征进行对比,得到所述待检测NFT图像作品与所述图像数据库中的图像的相似度,若所述待检测NFT图像作品与所述图像数据库中的任意一个所述图像的相似度大于预设相似度阈值,则确定所述待检测NFT图像作品侵权。专利申请文件CN112579986A图像侵权检测方法、设备和系统中的方法公开了,图像侵权检测方法,包括,获取当前批次中需要待检测的多个素材图像,计算素材图像与图像库中存储标准图像的相似度,根据相似度判断素材图像是否是侵权图像。专利申请文件CN113763211A基于区块链的侵权检测方法及装置和电子设备中的方法公开了,对待检测图像进行显著性检测,得到至少一个局部子图像,从所述至少一个局部子图像中提取局部特征,基于所述局部特征构建局部特征向量,将所述局部特征向量与区块链中存证的原创特征向量进行侵权检测,以确定侵权检测结果。这些方法都是根据图像的相似度通过设定相似度的阈值判断是否侵权。从而简化数字藏品审查人员的工作,提高审查效率。

　　[0005] 现有的数字藏品检索方法或系统大都是通过图像处理技术得到图像的底层特征进行相似性比较来判断是否侵权,例如专利申请文件CN114359590A、CN112579986A、CN113763211A中所述。其原理往往是从图像数据库中找出与检索内容相似图像的检索技术。其方法主要以提取图像的底层特征,如颜色特征、纹理特征、形状特征和空间关系特征,从颜色、纹理、形状和空间关系特征的特点可以看出,仅基于一种特征的方法只能表达图像的部分属性,为了克服单特征检索存在的局限,有必要综合图像的多种特征进行综合检索。即多特征检索技术。这样既可以优势互补.又可以提高检索的灵活性。然而这些都是传统的特征提取方法。传统手工特征分为底层特征、中间特征。底层特征主要指基于图像自身,通

　　过简单操作就能得出的特征。如颜色、纹理、形状、梯度等属于底层特征,它们也是中间特征操作的基础特征。图像视频领域广为熟知的底层特征有,RGB、LAB、HSV、HOG、LBP、SIFT、SURF、SILTP(LBP改进) 。中层特征在底层特征基础上进行多特征融合处理获得的特征,主要是颜色和纹理的多样性融合。例如,LOMO(HSV+SILTP) 。也只特征提取方式进行改进与创新的一类特征,通常融入较为复杂的数据理论处理过程。传统方法中特征提取主要依赖人工设计的提取器,需要有专业知识及复杂的调参过程,同时每个方法都是针对具体应用,泛化能力及鲁棒性较差。一方面传统方法会有大量冗余的proposal生成,导致学习效率低下,容易在分类出现大量的假正样本。另特征描述子都是基于低级特征进行手工设计的,难以捕捉高级语义特征和复杂内容。除此之外检测的每个步骤是独立的,缺乏一种全局的优化方案进行控制

　　[0048] 本发明通过图像预处理、图像特征提取、定义中心学习队列、哈希中心学习、哈希映射、哈希损失函数学习六个步骤,该学习哈希中心的哈希检索方法,通过从训练数据中学习哈希中心,为了保证哈希码的类间区别性,确保不同类别的哈希中心是互相远离的,同样的为了保证哈希码的类内紧凑性,确保数据的特征是靠近它所在类别的哈希类中心,远离其他类别的哈希类中心,以此来保证图像与哈希码之间的语义关系,提高哈希函数的质量,同时提高检索精度,及检索效率。