基于细粒度相似性矩阵的跨模态哈希检索算法.pdf
英瑞****写意
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于细粒度相似性矩阵的跨模态哈希检索算法.pdf
本发明属于跨模态数据检索技术领域,具体为一种基于细粒度相似性矩阵的跨模态哈希检索算法。本发明算法主要针对图像检索文本与文本检索图像两个任务,包括:哈希码推理:利用图像‑文本对的标签信息构筑细粒度相似性矩阵,使哈希码保留图像‑文本数据项之间的细粒度相似性信息;构造一个自编码器,使哈希码尽可能保留标签中的语义信息;哈希函数学习:训练两个哈希函数,分别将图像和文本映射至哈希码,哈希码学习所用到的目标函数包含哈希码映射损失、带权重的相似性保留损失、及分类损失。本发明在图像搜索文本和文本搜索图像两个任务中都具有比较
基于协同矩阵分解的在线哈希跨模态信息检索方法.pdf
本发明公开了一种基于协同矩阵分解的在线哈希跨模态信息检索方法,其步骤为:(1)生成初始训练集;(2)在线训练哈希跨模态信息检索模型;(3)判断信息检索系统实施获取新样本个数是否大于等于100;(4)计算待检索样本的哈希编码;(5)得到检索结果。本发明采用矩阵分解的思想构建信息损失函数,能够对于实时获取的无类标信息在线建立模型,并根据获取到的数据在线更新模型,在模型训练的过程中,信息检索系统只需存储前一轮的优化结果,降低了系统存储压力,提高了计算速度,具有广泛的适应性。
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
基于语义一致性和矩阵分解的跨模态哈希检索研究的任务书.docx
基于语义一致性和矩阵分解的跨模态哈希检索研究的任务书任务书题目:基于语义一致性和矩阵分解的跨模态哈希检索研究背景与意义:随着现代数字技术的不断发展,信息数据呈爆炸式增长的趋势。这种数据规模的增大必然导致信息检索的难度和效率降低。因此,如何快速且精准地获取所需信息,是信息检索领域的一个研究难点。哈希检索方法成功解决了海量数据下信息检索的高效问题。但是,传统哈希方法的局限性也日益暴露,如数据稀疏性、低维性等问题。在此背景下,跨模态哈希检索被广泛应用。其主要通过将多个模态数据映射到共同的哈希空间内进行查询,实现
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。