典型文献
自适应混合注意力深度跨模态哈希
文献摘要：
针对现有哈希方法在特征学习过程中无法区分各区域特征信息的重要程度和不能充分利用标签信息来深度挖掘模态间相关性的问题,提出了自适应混合注意力深度跨模态哈希检索(AHAH)模型.首先,通过自主学习得到的权重将通道注意力和空间注意力有机结合来强化对特征图中相关目标区域的关注度,同时弱化对不相关目标区域的关注度;其次,通过对模态标签进行统计分析,并使用所提出的相似度计算方法将相似度量化为0～1的数字以更精细地表示模态间的相似性.在4个常用的数据集MIRFLICKR-25K、NUS-WIDE、MSCOCO和IAPR TC-12上,当哈希码长度为16 bit时,与最先进的方法多标签语义保留哈希(MLSPH)相比,所提方法的检索平均准确率均值(mAP)分别提高了2.25％、1.75％、6.8％和2.15％.此外,消融实验和效率分析也证明了所提方法的有效性.
文献关键词：
跨模态检索;哈希方法;深度神经网络;自适应;混合注意力
中图分类号：
作者姓名：
柳兴华;曹桂涛;林秋斌;曹文明
作者机构：
深圳大学电子与信息工程学院,广东深圳 518060;广东省多媒体信息服务工程技术研究中心(深圳大学),广东深圳 518060;华东师范大学软件工程学院,上海 200062
文献出处：
引用格式：
[1]柳兴华;曹桂涛;林秋斌;曹文明-.自适应混合注意力深度跨模态哈希)[J].计算机应用,2022(12):3663-3670
A类：
AHAH,MIRFLICKR,IAPR,MLSPH
B类：
混合注意力,哈希方法,特征学习,学习过程,区域特征,特征信息,重要程度,标签信息,深度挖掘,跨模态哈希检索,习得,通道注意力,空间注意力,特征图,关目,目标区域,不相关,相似度计算,将相,相似度量,25K,NUS,WIDE,MSCOCO,哈希码,码长,bit,最先,多标签,标签语义,平均准确率,mAP,消融实验,效率分析,跨模态检索,深度神经网络
AB值：
0.409064
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。
