1
基于哈希的跨模态检索以其存储消耗低、査询速度快等优点受到广泛的关注。跨模态哈希学习的核心问题是如何对不同模态数据进行有效地共享语义空间嵌入学习。大多数算法在对多模态数据进行共享空间嵌入的过程中忽略了特征表示的语义判别性,从而导致哈希码表示的类别区分性不强,降低了最近邻搜索的准确性和鲁棒性。该文提出了基于语义耦合相关的判别式跨模态哈希特征表示学习算法。算法在模型的优化目标函数设计上综合了线性判别分类器的思想和跨模态相关性最大化思路,通过引入线性分类器,使得各模态都能够分别学习到各自具有判别性的二进制哈希码。同时利用耦合哈希表示在嵌人语义空间中最大化不同模态之间的相关性,不仅克服了把多种数据投影到一个共同嵌人语义空间的缺陷,而且能够捕捉到不同模态之间的语义相关性。算法在Labelme以及NUS_WI三个基准数据集上与最近相关的算法进行了实验比较。实验结果表明该文提出的方法在检索精度和计算效率上有明显的优势。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !