用于人脸图像检索的基于误差纠正边距的深度跨模态哈希
计算机视觉与模式识别
2020-04-08 v1
摘要
跨模态哈希将异构多媒体数据映射至公共汉明空间，可用于跨不同模态的快速灵活检索。本文提出一种新颖的跨模态哈希架构——深度神经解码器跨模态哈希（DNDCMH），其使用指定某些人脸属性存在的二值向量作为输入查询，从数据库中检索相关人脸图像。DNDCMH网络由两部分组成：基于属性的深度跨模态哈希（ADCMH）模块，使用基于边距（m）的损失函数高效学习紧凑二值码以在汉明空间中保持模态间相似性；以及神经误差纠正解码器（NECD），一种用神经网络实现的误差纠正解码器。NECD网络在DNDCMH中的目标是对ADCMH生成的哈希码进行误差纠正以提升检索效率。NECD网络被训练为具有大于或等于基于边距损失函数边距（m）的纠错能力。这使得NECD能够纠正ADCMH生成的损坏哈希码至汉明距离m以内。我们在标准数据集上将DNDCMH与当前最优跨模态哈希方法进行评估与比较，以证明本方法的优越性。
引用
@article{arxiv.2004.03378,
title = {Error-Corrected Margin-Based Deep Cross-Modal Hashing for Facial Image Retrieval},
author = {Fariborz Taherkhani and Veeru Talreja and Matthew C. Valenti and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2004.03378},
year = {2020}
}
备注
IEEE TRANSACTIONS ON BIOMETRICS, BEHAVIOR, AND IDENTITY SCIENCE, 2020