计算机应用研究

作者：康培培,林泽航,杨振国,张子同,刘文印,

单位：1.广东工业大学计算机学院,广州510006；2.香港理工大学计算机系,香港999077；3.华南农业大学数学与信息学院,广州510642；

关键词：相似度迁移,哈希,无监督学习,跨模态检索,

基金：国家自然科学基金资助项目(62076073)；广东基础与应用基础研究基金资助项目(2020A1515010616)；广东创新研究团队项目(2014ZT05G157)；；

哈希编码能够节省存储空间、提高检索效率，已引起广泛关注。提出一种成对相似度迁移哈希方法（pairwise similarity transferring hash，PSTH）用于无监督跨模态检索。对于每个模态，PSTH将可靠的模态内成对相似度迁移到汉明空间，使哈希编码继承原始空间的成对相似度，从而学习各模态数据对应的哈希编码；此外，PSTH重建相似度值而不是相似度关系，使得训练过程可以分批进行；与此同时，为缩小不同模态间的语义鸿沟，PSTH最大化模态间成对相似度。在三个公开数据集上进行了大量对比实验，PSTH取得了SOTA的效果。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期