基于对象特征的深度哈希跨模态检索

TP391; 随着不同模态的数据在互联网中的飞速增长,跨模态检索逐渐成为了当今的一个热点研究问题.哈希检索因其快速、有效的特点,成为了大规模数据跨模态检索的主要方法之一.在众多图像-文本的深度跨模态检索算法中,设计的准则多为尽量使得图像的深度特征与对应文本的深度特征相似.但是此类方法将图像中的背景信息融入到特征学习中,降低了检索性能.为了解决此问题,提出了一种基于对象特征的深度哈希(OFBDH)跨模态检索方法.此方法从特征映射中学习到优化的、有判别力的极大激活特征作为对象特征,并将其融入到图像与文本的跨模态网络学习中.实验结果表明,OFBDH能够在MIRFLICKR-25K、IAPR TC-1...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 15; no. 5; pp. 922 - 930
Main Authors 朱杰, 白弘煜, 张仲羽, 谢博鋆, 张俊三
Format Journal Article
LanguageChinese
Published 中央司法警官学院 信息管理系,河北 保定 071000%河北大学 数学与信息科学学院,河北 保定 071002%中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580 01.05.2021
Subjects
跨模态损失
网络参数学习
对象特征
检索
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2006062

Cover

More Information
Summary:TP391; 随着不同模态的数据在互联网中的飞速增长,跨模态检索逐渐成为了当今的一个热点研究问题.哈希检索因其快速、有效的特点,成为了大规模数据跨模态检索的主要方法之一.在众多图像-文本的深度跨模态检索算法中,设计的准则多为尽量使得图像的深度特征与对应文本的深度特征相似.但是此类方法将图像中的背景信息融入到特征学习中,降低了检索性能.为了解决此问题,提出了一种基于对象特征的深度哈希(OFBDH)跨模态检索方法.此方法从特征映射中学习到优化的、有判别力的极大激活特征作为对象特征,并将其融入到图像与文本的跨模态网络学习中.实验结果表明,OFBDH能够在MIRFLICKR-25K、IAPR TC-12和NUS-WIDE三个数据集上获得良好的跨模态检索结果.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2006062