一种基于自适应对比学习的跨模态图文检索方法和系统

本发明提出基于自适应对比学习的跨模态图文检索方法和系统，包括：在每对正样本的概率分布中引入两个边界参数，计算图像I对应T的概率，调整每对正样本的语义一致性，以及区分克隆负样本的分布特性；定义并计算每个批次样本的显著性分数，选取显著性分数最大和最小的负样本序列作为观测克隆负样本和显著负样本；根据高斯判别分析方法，预测每个批次样本的所有的潜在克隆负样本并生成锚点样本；根据锚点样本的相似度的两个边界条件，迭代更新两个边界参数。本发明针对图文数据集中容易出现的克隆负样本，利用高斯判别分析无需额外训练地预测出每个训练批次中潜在的克隆负样本。为后续进一步学习克隆负样本潜在的高维关键语义打下基础。