典型文献
利用多重相似度矩阵增强跨模态哈希检索
文献摘要：
为进一步提升跨模态检索的性能,提出融合多级相似度信息的跨模态哈希检索方法.首先,利用自注意力的方法增强文本特征,并基于不同模态的原始特征和哈希特征构造新的融合特征;然后,在这3种特征的基础上,构造出3个辅助相似度矩阵,并采用加权组合的方法构造出第4个辅助相似度矩阵;最后,通过这4个不同的矩阵分别计算不同相似度矩阵之间和不同模态之间的损失函数.这4个不同的矩阵既包括不同的特征形式,也包括不同的矩阵构造方式,因而能更好地表达不同模态的相似度信息,并提升检索性能.在Wikipedia,MIRFlickr和NUS-WIDE 3个基准数据集上的实验结果表明,所提方法在不同码位的mAP值优于许多当前国际先进的方法,具有良好的有效性和鲁棒性.
文献关键词：
跨模态检索;多重相似度矩阵;无监督学习;卷积神经网络;自注意力机制
中图分类号：
作者姓名：
李志欣;侯传文;谢秀敏
作者机构：
广西师范大学广西多源信息挖掘与安全重点实验室 桂林 541004
文献出处：
引用格式：
[1]李志欣;侯传文;谢秀敏-.利用多重相似度矩阵增强跨模态哈希检索)[J].计算机辅助设计与图形学学报,2022(06):933-945
A类：
多重相似度矩阵,MIRFlickr
B类：
跨模态哈希检索,跨模态检索,检索方法,方法增强,文本特征,希特,特征构造,融合特征,同相,损失函数,Wikipedia,NUS,WIDE,基准数据集,码位,mAP,国际先进,无监督学习,自注意力机制
AB值：
0.269501
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
