基于多模态深度哈希学习的信息检索

发布时间：2022-12-23 07:28

　　信息检索是人们上网的最大需求,以往主流的方式就是在搜索引擎中输入关键文本信息来获取相关的文本、图像等信息。然而随着大数据时代的到来,不同模态信息之间的相互检索已经成为一种不可忽视的需求,它也成为了信息检索领域中的研究重点和难点。为了实现任意多模态数据之间的相互检索,并且单个模态的数据能同时检索到多个不同模态的数据,本文利用深度学习模型中高斯受限玻尔兹曼机（Gaussian-binary Restricted Boltzmann Machine,GRBM）的灵活扩展性,提出了基于GRBM的自适应模态深度哈希模型。并在此研究的基础上,结合流形学习的思想,提出了基于多图正则化的改进模型,进一步提高了模型的检索性能。具体研究工作如下:1.针对现有的绝大部分深度哈希模型无法实现在两个以上模态数据上扩展的问题,本文提出了基于GRBM的自适应模态深度哈希模型（AMH）及学习算法。该模型可以根据多模态数据的类型和模态数量自适应调整结构。模型分为深度特征学习和共享哈希码学习两个部分,首先利用深度特征学习部分获得多模态数据的深度特征,再将深度特征作为模态自适应GRBM（Adaptive modal GRB... 

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

原型系统主界面

数据集选择界面

选择待检索图像导入原型系统

【参考文献】：
期刊论文
[1]基于多特征多核哈希学习的大规模图像检索[J]. 曾宪华,袁知洪,王国胤,杨洁.  中国科学:信息科学. 2017(08)
[2]大数据哈希学习:现状与趋势[J]. 李武军,周志华.  Science Bulletin. 2015(Z1)
[3]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[4]流形学习概述[J]. 徐蓉,姜峰,姚鸿勋.  智能系统学报. 2006(01)



本文编号：3724996