面向图像推荐的混合表示对比深度学习
计算机视觉与模式识别
2017-02-21 v1
摘要
在许多图像相关任务中，学习具有表达力和判别力的图像表示至关重要，并且深度学习已被研究用于自动化学习此类表示。一些以用户为中心的任务，例如图像推荐，要求对图像以及用户对于图像的偏好和意图进行有效表示。此类表示被称为“混合”表示，本文通过深度学习方法予以解决。我们设计了一个双网深度网络，其中两个子网络将输入图像和用户的偏好映射到同一潜在语义空间中，然后计算潜在空间中图像与用户之间的距离以做出决策。我们进一步提出一种比较深度学习（CDL）方法来训练该深度网络，使用针对一个用户比较的一对图像来学习它们相对距离的模式。CDL 比朴素深度学习拥有多得多的训练数据，因此在不增加网络复杂度的代价下实现了优于后者的性能。使用用于图像推荐的真实世界数据集的实验结果表明，所提出的双网网络和 CDL 大幅优于其他 SOTA 图像推荐方案。
引用
@article{arxiv.1604.01252,
title = {Comparative Deep Learning of Hybrid Representations for Image Recommendations},
author = {Chenyi Lei and Dong Liu and Weiping Li and Zheng-Jun Zha and Houqiang Li},
journal= {arXiv preprint arXiv:1604.01252},
year = {2017}
}
备注
CVPR 2016