基于相似性保持的跨模态哈希检索算法研究

发布时间：2023-03-05 18:00

　　随着大数据时代的到来,数据呈现数据规模大,数据模态形式多样等特点,对信息检索领域提出新的挑战。面对海量高维的多模态数据,如何快速准确对不同模态进行检索作为一个热点问题引起了很多研究者的关注。跨模态哈希(cross-modal hashing)方法通过构建模型将不同模态的异构数据映射成为同构的哈希码以解决不同模态之间相互检索的问题。该方法具有低存储开销和快速检索速度等特点,适用于大规模跨模态检索。大量跨模态哈希方法不断涌现,然而它们还存在一些不足:目前所存在的当前大多数方法均是考虑保持基于特征的模态内相似性,对于语义模态间相似性的保持未做处理而被忽视。利用语义监督信息的方法大多将语义标签转换为成对相似性矩阵降低了标签类别属性具有的判别能力。此外,在对哈希码进行优化求解时,大多数方法都是通过直接放松离散约束获得哈希码,这会导致产生较大的量化损失进而使得哈希码的不准确。针对以上所存在的问题,提出了两种新的跨模态哈希算法。针对基于相似性保持的问题,提出了有监督的离散锚图跨模态检索哈希方法(Supervised Discrete Anchor Graph Cross-Modal Retrieva...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容与贡献
    1.4 本文的组织结构
第二章 跨模态哈希检索算法概述
    2.1 相关概念与任务概述
        2.1.1 跨模态哈希检索任务
        2.1.2 哈希编码
        2.1.3 哈希函数
        2.1.4 模型构建
    2.2 跨模态哈希算法介绍
        2.2.1 无监督跨模态哈希算法
        2.2.2 有监督跨模态哈希算法
    2.3 性能评价方法
    2.4 常见跨模态数据集介绍
    2.5 本章小结
第三章 有监督离散锚图跨模态哈希
    3.1 有监督离散锚图跨模态哈希
        3.1.1 问题描述与符号定义
        3.1.2 锚图哈希
        3.1.3 语义标签一致性保持和目标函数
    3.2 优化求解过程
        3.2.1 交替最大化按位优化求解
        3.2.2 加入中间变量离散优化求解
    3.3 相关实验设置与分析
        3.3.1 实验结果分析
        3.3.2 时间成本分析
        3.3.3 两种优化方法的对比
    3.4 本章小结
第四章 标签一致性局部线性嵌入跨模态哈希检索算法
    4.1 标签一致性局部线性嵌入跨模态哈希
        4.1.1 问题描述与符号定义
        4.1.2 局部线性嵌入
        4.1.3 标签一致性保持项
        4.1.4 量化损失项
        4.1.5 整体目标函数
    4.2 LCLCH的优化策略
    4.3 实验结果与分析
        4.3.1 实验设置
        4.3.2 实验结果与分析
        4.3.3 时间成本分析
        4.3.4 参数敏感性分析
    4.4 本章小结
第五章 总结与展望
参考文献
攻读硕士学位期间的主要成果
致谢



本文编号：3756670