用于多媒体检索的自适应非对称标签引导哈希

近年来，随着网络上多模态媒体数据的快速增长，哈希学习方法作为实现海量多媒体数据高效灵活跨模态检索的一种途径，受到了当前网络资源检索研究界的广泛关注。现有有监督哈希方法简单地将标签信息转化为成对相似性信息以引导哈希学习，在面对多标签数据时存在语义错误的潜在风险。此外，大多数现有哈希优化方法采用基于松弛策略的近似策略求解NP难优化问题，导致较大的量化误差。为克服上述障碍，我们提出一种简洁高效的自适应非对称标签引导哈希（A2LH）用于多媒体检索。具体而言，A2LH是一种两步哈希方法。第一步，我们分别设计不同模态表示与语义标签表示之间的关联表示模型，并以语义标签表示为中间桥梁解决不同模态间存在的语义鸿沟。此外，我们提出一种高效的离散优化算法以解决基于松弛的优化算法引起的量化误差问题。第二步，我们利用生成的哈希码学习哈希映射函数。实验结果表明，我们所提方法在所有对比基线方法中取得了最优性能。