面向多模态检索的去相关哈希码学习
信息检索
2019-05-24 v2
摘要
在社交网络中，异构多媒体数据相互关联，例如 YouTube 中的视频及其对应标签，以及 Facebook 中的图像-文本对。大规模数据集上跨多模态的最近邻检索成为一个热门且具挑战性的问题。哈希因其将数据表示为二进制码而被期望为一种高效解决方案。由于按位异或操作可被快速处理，检索时间大幅缩短。现有多模态哈希方法很少考虑哈希位之间的相关性。该相关性对哈希码有负面影响。当哈希码长度变长时，检索性能提升变缓。本文提出一种用于多模态哈希的最小相关正则化（MCR）。首先，使用 sigmoid 函数嵌入数据矩阵。然后，在 sigmoid 函数输出上应用 MCR。由于 sigmoid 函数输出近似于二进制码矩阵，所提 MCR 可有效去相关哈希码。实验表明，随着码长增加，所提方法的优越性愈发明显。
引用
@article{arxiv.1803.00682,
title = {Learning Decorrelated Hashing Codes for Multimodal Retrieval},
author = {Dayong Tian},
journal= {arXiv preprint arXiv:1803.00682},
year = {2019}
}