用于跨模态检索的深度类别引导哈希
信息检索
2024-10-22 v1
摘要
深度哈希因其低成本和高效的检索优势，在跨模态检索中被广泛重视。然而，现有的跨模态哈希方法要么探索数据点之间的关系，这不可避免地导致类内分散；要么探索数据点与类别之间的关系，但忽略了类间结构关系的保持，从而导致生成次优的哈希码。如何同时保持类内聚合和类间结构关系？针对这一问题，本文提出了 DCGH 方法。具体来说，我们以代理损失为主来保持类内聚合，并结合成对损失来保持类间结构关系，此外，我们还引入了方差约束来解决这种组合带来的语义偏差问题。在三个基准数据集上的大量实验表明，DCGH 方法相比现有跨模态检索方法具有相当或更优的性能。我们 DCGH 框架的代码可在 https://github.com/donnotnormal/DCGH 获取。
引用
@article{arxiv.2410.15387,
title = {Deep Class-guided Hashing for Multi-label Cross-modal Retrieval},
author = {Hao Chen and Lei Zhu and Xinghui Zhu},
journal= {arXiv preprint arXiv:2410.15387},
year = {2024}
}