典型文献
跨模态检索技术研究综述
文献摘要：
跨模态检索可以通过一种模态检索出其他模态的信息,已经成为大数据时代的研究热点.研究者基于实值表示和二进制表示两种方法来减小不同模态信息的语义差距并进行有效的相似度对比,但仍会有检索效率低或信息丢失的问题.目前,如何进一步提高检索效率和信息利用率是跨模态检索研究面临的关键挑战.介绍了跨模态检索研究中基于实值表示和二进制表示两种方法的发展现状;分析对比了包含两种表示技术下以建模技术和相似性对比为主线的五种跨模态检索方法:子空间学习、主题统计模型学习、深度学习、传统哈希和深度哈希;对最新的多模态数据集进行总结,为相关的研究和工程人员提供有价值的参考资料;分析了跨模态检索面临的挑战并指出了该领域未来研究方向.
文献关键词：
跨模态检索;深度学习;哈希学习
中图分类号：
作者姓名：
徐文婉;周小平;王佳
作者机构：
北京建筑大学 电气与信息工程学院,北京 100044
文献出处：
引用格式：
[1]徐文婉;周小平;王佳-.跨模态检索技术研究综述)[J].计算机工程与应用,2022(23):12-23
A类：
实值表示
B类：
跨模态检索,检索技术,二进制表示,模态信息,信息丢失,高检,信息利用,关键挑战,分析对比,建模技术,检索方法,子空间学习,统计模型,模型学习,深度哈希,多模态数据集,工程人,参考资料,未来研究方向,哈希学习
AB值：
0.29075
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。
