融合监督的深度跨模态哈希
信息检索
2020-04-02 v2
摘要
深度哈希因其显著优势近期在跨模态检索中受到关注。然而，现有的跨模态检索哈希方法无法充分捕捉异构多模态相关性并利用语义信息。本文提出一种新颖的融合监督深度跨模态哈希 (FDCH) 方法。首先，FDCH 通过以成对样本为输入的融合哈希网络学习统一二值码，有效增强了对异构多模态数据相关性的建模。然后，这些高质量统一哈希码进一步监督特定模态哈希网络的训练，以编码样本外查询。同时，在单一流框架下，成对相似性信息与分类信息均嵌入哈希网络，从而同时保持跨模态相似性与语义一致性。在两个基准数据集上的实验结果证明了 FDCH 的当前最优性能。
引用
@article{arxiv.1904.11171,
title = {Fusion-supervised Deep Cross-modal Hashing},
author = {Li Wang and Lei Zhu and En Yu and Jiande Sun and Huaxiang Zhang},
journal= {arXiv preprint arXiv:1904.11171},
year = {2020}
}