用于跨模态检索的自监督对抗哈希网络
计算机视觉与模式识别
2018-04-05 v1
摘要
得益于深度学习的成功，跨模态检索近期取得了显著进展。然而，仍存在一个关键瓶颈：如何弥合模态鸿沟以进一步提升检索精度。本文提出一种自监督对抗哈希（SSAH）方法，这是早期以自监督方式将对抗学习引入跨模态哈希的尝试之一。本工作的主要贡献在于利用两个对抗网络来最大化不同模态间表示的语义相关性与一致性。此外，我们借助一个自监督语义网络以多标签标注的形式发掘高层语义信息。此类信息引导特征学习过程，并在公共语义空间与汉明空间中保持模态关系。在三个基准数据集上开展的大量实验验证了所提出的 SSAH 超越了当前最优（state-of-the-art）方法。
引用
@article{arxiv.1804.01223,
title = {Self-Supervised Adversarial Hashing Networks for Cross-Modal Retrieval},
author = {Chao Li and Cheng Deng and Ning Li and Wei Liu and Xinbo Gao and Dacheng Tao},
journal= {arXiv preprint arXiv:1804.01223},
year = {2018}
}