基于重构正则约束的跨媒体检索方法研究

发布时间：2021-01-03 11:20

　　随着互联网技术的飞速发展,网络资源日益丰富,网络信息的存储形式也更加多样化,从文本数据到图像、音频、视频以及3D模型等。这些海量数据在给人们带来丰富信息的同时,也为人们快速查询所需信息带来了压力。因此,如何实现不同模态媒体数据之间准确有效的相互检索,已经成为需要迫切解决的问题。由于不同类型数据的特征表示方式不同,其在原始空间中的数据维度也不同,不能直接进行相互检索。因此,如何充分理解不同类型媒体数据的语义信息,建立异构数据之间的相关性,并深入挖掘媒体数据在底层空间中的分布信息,进而将异构媒体数据转化为同构数据进行相似度测量,成为跨媒体检索问题的关键。本文以不同的检索任务作为切入点,综合分析了不同媒体数据之间的相关性和语义信息,提出了两种跨模态检索算法,并分别在不同的数据集上进行实验,验证了所提方法的有效性。本文的主要研究工作如下:（1）提出一种基于查询模态与半监督正则化的跨媒体检索算法（Cross-media Retrieval based on Query Modality and Semi-supervised Regularization,QMSR）。该方法从不同的检索任务出发,... 

【文章来源】：山东师范大学山东省

【文章页数】：45 页

【学位级别】：硕士

【部分图文】：

012-2017中国网民数量及搜索引擎用户规模为了解决广大网络用户在海量信息的查找中所面临的难题，在过去的十几年中，基于

跨媒体检索示例图

图 1-3 跨媒体检索过程如图 1-3 所示，跨媒体检索过程中，最关键的步骤是将不同维度的图像和文本同维空间中，在这个步骤中，通过综合考虑不同的约束信息，不断提高检索的不同的转换方法，可以将跨媒体检索方法大致分为以下几类：基于 CCA 模型习方法、基于字典学习的方法、基于相似度排序的方法、基于哈希的检索方法越来越流行的基于深度学习的跨媒体检索方法。


本文编号：2954894