基于对象特征的深度哈希跨模态检索

摘要：

随着不同模态的数据在互联网中的飞速增长,跨模态检索逐渐成为了当今的一个热点研究问题.哈希检索因其快速、有效的特点,成为了大规模数据跨模态检索的主要方法之一.在众多图像-文本的深度跨模态检索算法中,设计的准则多为尽量使得图像的深度特征与对应文本的深度特征相似.但是此类方法将图像中的背景信息融入到特征学习中,降低了检索性能.为了解决此问题,提出了一种基于对象特征的深度哈希(OFBDH)跨模态检索方法.此方法从特征映射中学习到优化的、有判别力的极大激活特征作为对象特征,并将其融入到图像与文本的跨模态网络学习中.实验结果表明,OFBDH能够在MIRFLICKR-25K、IAPR TC-12和NUS-WIDE三个数据集上获得良好的跨模态检索结果.

关键词：对象特征、跨模态损失、网络参数学习、检索

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金青年基金项目;河北省高等学校科学技术研究项目;河北大学高层次创新人才科研启动经费项目;2019年中央司法警官学院省级大学生创新创业训练计划项目

在线出版日期：2021-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：922-930