无监督的双重深度哈希与语义索引和内容代码进行交叉模式检索

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 哈希技术提供了高效的交叉模式检索,但面临着大型数据集和语义差距的挑战.
• 监督的方法需要大量的注释,而无监督的方法则在计算成本和保存语义信息方面扎.

研究的目的:

• 提出一种无监督的双深哈希 (UDDH) 方法,以实现有效的跨模式检索.
• 解决现有的监督和无监督方法在处理大规模数据和语义差异方面的局限性.

主要方法:

• UDDH使用深度散列网络来提取特征并生成双散列代码 (语义索引上的头代码,模式内容上的尾代码).
• 一个共同的语义索引和模式内容代码被共同学习,以弥合语义和异质差距.
• 该模型将深度特征提取,二进制优化,语义索引学习和内容代码生成集成到一个统一的框架中.

主要成果:

• 通过使查询能够在相同的语义索引内进行搜索,UDDH显著缩小了搜索空间.
• 与最先进的基线相比,拟议的方法显示出更高的检索效率和准确性.
• 在统一模型中的协作优化提高了整体的跨模式检索性能.

结论:

• UDDH提供了一种有效的无监督方法,用于跨模式的检索,克服现有方法的局限性.
• 带有语义索引的双哈希架构为大规模检索任务提供了可扩展和高效的解决方案.
• 综合学习框架优化了特征提取和散列,以改善跨模式理解.