典型文献
基于关联特征传播的跨模态检索
文献摘要：
深度学习的快速发展和关联学习的深度研究,使得跨模态检索的性能有了很大提升.跨模态检索研究面临的挑战是:不同模态的数据在高层语义上具有关联关系,但在底层特征上存在异构鸿沟.现有方法主要通过单个相关性约束将不同模态的特征映射到具有一定相关性的特征空间中来解决底层特征上的异构鸿沟问题.然而,表征学习表明,不同层次的特征在帮助模型最终性能的提升上都会起作用.所以,现有方法学习到的单一特征空间的关联性是弱的,即该特征空间可能不是最优的检索空间.为解决该问题,提出了基于关联特征传播的跨模态检索模型,其基本思想是强化深度网络各层之间的关联性,即前一层具有一定关联的特征经过非线性变化传到后一层,有利于找到使2种模态关联性更强的特征空间.通过在Wikipedia,Pascal数据集上的大量实验验证得到,该方法提升了平均精度均值.
文献关键词：
跨模态检索;特征传播;深度网络;关联学习;深度学习
中图分类号：
作者姓名：
张璐;曹峰;梁新彦;钱宇华
作者机构：
山西大学大数据科学与产业研究院 太原 030006;山西大学计算机与信息技术学院 太原 030006;计算智能与中文信息处理教育部重点实验室(山西大学) 太原 030006
文献出处：
引用格式：
[1]张璐;曹峰;梁新彦;钱宇华-.基于关联特征传播的跨模态检索)[J].计算机研究与发展,2022(09):1993-2002
A类：
B类：
关联特征,特征传播,跨模态检索,关联学习,深度研究,语义上,关联关系,底层特征,异构鸿沟,特征映射,射到,特征空间,表征学习,不同层次,升上,方法学,检索模型,基本思想,深度网络,非线性变化,传到,Wikipedia,Pascal,平均精度均值
AB值：
0.367022
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。
