一种基于终身学习的无监督对比跨模态哈希检索方法
本发明提供一种基于终身学习的无监督对比跨模态哈希检索方法,涉及跨模态哈希检索技术领域,本发明接收流式到达的图像‑文本数据对,通过预训练的ResNet50和MLP分别提取图像与文本的实值特征,并在检索阶段将其量化为二值哈希码,随后维护动态更新的特征内存库,基于预设相似度范围筛选负样本候选集,通过随机采样构建高质量负样本集合,采用双向对比损失函数优化模型参数,使同类样本在表征空间中靠近、异类样本相互分离,并通过终身学习模块同步处理新数据与重放的历史数据,计算经验重放损失并与对比损失联合优化,再协同更新特征内存库与经验重放缓冲区,实现知识持续积累与灾难性遗忘缓解。