具有语义不变结构的深度协同离散哈希
信息检索
2019-11-06 v1 机器学习
摘要
现有的深度哈希方法未能充分挖掘语义关联，且忽视了语言上下文对视觉注意力学习的影响，导致性能不佳。本文提出一种双流学习框架，称为深度协同离散哈希（DCDH），通过协同整合由视觉特征与语义标签推导出的共享语义与个体语义，构建具有判别力的公共离散空间。具体而言，利用视觉嵌入与语义编码的外积生成上下文感知表示。此外，我们重构标签并引入焦点损失以利用高频与低频概念。该公共二值码空间建立在受语言关注的视觉表示、语义不变结构构建以及标签分布修正的联合学习之上。大量实验证明了本方法的优越性。
引用
@article{arxiv.1911.01565,
title = {Deep Collaborative Discrete Hashing with Semantic-Invariant Structure},
author = {Zijian Wang and Zheng Zhang and Yadan Luo and Zi Huang},
journal= {arXiv preprint arXiv:1911.01565},
year = {2019}
}