计算机应用研究

作者：张学旺,周印,

单位：1.重庆邮电大学软件工程学院,重庆400065；2.重庆大学微电子与通信工程学院,重庆400044；

关键词：跨模态哈希,大批量训练,正交正则化,哈希码和特征之间的距离,

基金：国家自然科学基金资助项目(61571072)；重庆市基础研究与前沿探索专项重点项目(cstc2019jcyj-zdxmX0008)；重庆市重点产业共性关键技术创新专项重大主题专项(cstc2017zdcy-zdzxX0013)；；

基于深度学习的跨模态哈希方法都使用小批量训练方式来训练模型，然而小批量方式在每次更新参数时获取样本数量有限，不能得到很好的梯度，影响最终训练的模型检索性能。针对此问题，提出了一个新的跨模态哈希方法。该方法使用大批量方式进行训练，并引入正交正则化来增加大批量训练的稳定性；同时考虑了哈希码的离散性，将哈希码与特征之间的距离加入到目标函数中，使得哈希码能够更加真实地表示数据。在两个广泛使用的跨模态检索数据集上的实验表明，该方法比现有的几种哈希方法具有更好的性能。

来源：2021年第4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4期