基于排序的深度跨模态哈希
机器学习
2019-05-14 v1 机器学习
摘要
跨模态哈希因其在多模态数据检索中的低存储成本和快速查询速度而受到越来越多的关注。然而，大多数现有的哈希方法基于对象的手工设计或原始层级特征，这些特征可能与编码过程并非最优兼容。此外，这些哈希方法主要设计用于处理简单的成对相似性。与多个标签相关联的实例的复杂多级排序语义结构尚未得到充分探索。在本文中，我们提出了一种基于排序的深度跨模态哈希方法（RDCMH）。RDCMH首先利用数据的特征和标签信息推导出半监督语义排序列表。接下来，为了扩展手工设计特征的语义表示能力，RDCMH将语义排序信息整合到深度跨模态哈希中，并联合优化深度特征表示与哈希函数的兼容参数。在真实多模态数据集上的实验表明，RDCMH优于其他竞争性基线，并在跨模态检索应用中取得了最先进的性能。
引用
@article{arxiv.1905.04450,
title = {Ranking-based Deep Cross-modal Hashing},
author = {Xuanwu Liu and Guoxian Yu and Carlotta Domeniconi and Jun Wang and Yazhou Ren and Maozu Guo},
journal= {arXiv preprint arXiv:1905.04450},
year = {2019}
}