| 语义耦合相关的判别式跨模态哈希学习算法 |
| |
| 引用本文： | 严双咏,刘长红,江爱文,叶继华,王明文.语义耦合相关的判别式跨模态哈希学习算法[J].计算机学报,2019,42(1):164-175. |
| |
| 作者姓名： | 严双咏 刘长红 江爱文 叶继华 王明文 |
| |
| 作者单位： | 江西师范大学计算机信息工程学院,南昌,330022;江西师范大学计算机信息工程学院,南昌,330022;江西师范大学计算机信息工程学院,南昌,330022;江西师范大学计算机信息工程学院,南昌,330022;江西师范大学计算机信息工程学院,南昌,330022 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金;江西省教育厅科技项目 |
| |
| 摘 要： | 基于哈希的跨模态检索以其存储消耗低、查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入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入语义空间的缺陷,而且能够捕捉到不同模态之间的语义相关性.算法在Wiki、LabelMe以及NUS_WID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.
|
| 关 键 词： | 跨模态检索 跨模态哈希 线性分类器 语义相关性 共享子空间 多模态 |
Discriminative Cross-Modal Hashing with Coupled Semantic Correlation |
| |
| YAN Shuang-Yong,LIU Chang-Hong,JIANG Ai-Wen,YE Ji-Hua,WANG Ming-Wen.Discriminative Cross-Modal Hashing with Coupled Semantic Correlation[J].Chinese Journal of Computers,2019,42(1):164-175. |
| |
| Authors: | YAN Shuang-Yong LIU Chang-Hong JIANG Ai-Wen YE Ji-Hua WANG Ming-Wen |
| |
| Affiliation: | (School of Computer and Information Engineering, Jiangxi Normal University, Nanchang 330022) |
| |
| Abstract: | YAN Shuang-Yong;LIU Chang-Hong;JIANG Ai-Wen;YE Ji-Hua;WANG Ming-Wen(School of Computer and Information Engineering, Jiangxi Normal University, Nanchang 330022) |
| |
| Keywords: | cross-modal retrieval cross-modal hashing linear classifier semantic correlation shared subspace multi-modal |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
