耦合 CycleGAN：用于跨模态检索的无监督哈希网络
信息检索
2019-03-07 v1
摘要
近年来，由于其在大规跨模态检索中低存储成本与高查询效率的优越能力，哈希吸引了越来越多的关注。受益于深度学习，跨模态检索领域已取得持续令人瞩目的成果。然而，现有深度跨模态哈希方法要么依赖大量标注信息，要么无法学习不同模态间的准确关联。本文提出用于跨模态检索的无监督耦合 Cycle 生成对抗哈希网络（UCH），其中外循环网络用于学习强有力的公共表示，内循环网络用于生成可靠哈希码。具体而言，我们提出的 UCH 以生成对抗机制无缝耦合这两个网络，可同时优化以学习表示与哈希码。在三个流行基准数据集上的大量实验表明，所提 UCH 优于当前最优的无监督跨模态哈希方法。
引用
@article{arxiv.1903.02149,
title = {Coupled CycleGAN: Unsupervised Hashing Network for Cross-Modal Retrieval},
author = {Chao Li and Cheng Deng and Lei Wang and De Xie and Xianglong Liu},
journal= {arXiv preprint arXiv:1903.02149},
year = {2019}
}