一种深度无监督跨模态哈希检索方法.pdf
一条****轩吗
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种深度无监督跨模态哈希检索方法.pdf
本发明公开了一种深度无监督跨模态哈希检索方法,涉及跨模态哈希检索技术领域,本发明中,将文本当作图结构的数据来考虑,将文本特征转化为图中的节点信息,通过使用GAT网络,将稀疏的文本特征进一步融合,通过注意力机制,将相关邻居节点信息以一种注意力打分机制与原始节点融合起来,同时注意力分数也表示出特征词之间联系的紧密程度,分数越高关系越紧密,并且采用自编码器将提取后的模态特征进行特征编码和特征解码,同时将图注意力网络引入跨模态哈希检索领域中,能够对语义信息不丰富的文本模态进行深度提取,丰富其高层特征信息表示,同时
一种基于区分表示深度哈希的跨模态检索模型.pdf
本发明提出了一种基于区分表示深度哈希的跨模态检索模型,损失函数监督模型训练过程在保留相似性的同时生成更加具有区分性的表示。其中,成对损失,用于保留原始跨模态数据的语义相似性;量化损失:用于减少量化损失,使得生成的哈希码也可以保留跨模态相似性;三元组监督损失:用于在训练过程中,监督模型保留原模态数据相似性的同时生成更加具有区分性的表示。所提出的损失函数,使得生成的哈希码更加有效以及更加的具有区分性,这进一步提高了跨模态哈希模型的性能,使得检索任务的准确度得到了进一步的提升。
深度跨模态哈希检索方法及其安全性研究的开题报告.docx
深度跨模态哈希检索方法及其安全性研究的开题报告1.研究背景和意义随着计算机技术的飞速发展和普及,数字媒体资料的数量也在爆炸式增长。如何高效地检索和管理这些海量的数字媒体资料已经成为了一个非常重要的问题。传统的基于文本数据的检索方法已经不能满足当前的需求,因此,跨模态检索方法应运而生。跨模态检索方法通常可以将不同类型的数据(如文本、音频、视频、图像等)进行融合,提高检索效率,为用户提供更好的搜索体验。哈希算法是一种能够将数据映射成固定长度的二进制串的技术,在计算机视觉等领域广泛应用。同时,哈希算法由于其数据
基于层次语义结构的跨模态哈希检索方法.pdf
本发明公开了一种基于层次语义结构的跨模态哈希检索方法,其步骤为:(1)建立数据集;(2)构建图像和文本特征提取网络;(3)利用层次语义结构生成损失函数;(4)训练图像和文本特征提取网络;(5)用户用图像检索文本;(6)用户用文本检索图像。本发明通过将图像文本对标签中每层的所有类别的类哈希码扩展为对应层次的层次语义结构,将各层的层次语义结构融合到哈希码中,使得图像文本对的哈希码很大程度地保留了标签的同层与层间的关联信息,解决了现有跨模态哈希检索方法忽略层间关系导致标签信息不全面的问题和将标签信息融合到图像特
面向大规模跨模态检索的哈希方法研究的开题报告.docx
面向大规模跨模态检索的哈希方法研究的开题报告摘要:随着信息时代的到来,图像、视频、音频等多媒体数据的数量不断增加,跨模态的检索需求也更加迫切。哈希函数作为一种高效的快速查找方法,已被广泛应用于多媒体数据的索引和检索。本文旨在研究面向大规模跨模态检索的哈希方法,主要包括哈希函数的设计、哈希编码方式的选择、哈希表的构建等方面的研究,为跨模态检索的应用提供有效的技术支持。关键字:哈希方法、跨模态检索、哈希函数、哈希编码、哈希表第一章绪论1.1研究背景随着图像、视频、音频等多媒体数据的数量不断增加,跨模态的信息检