声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：张璐,曹峰,梁新彦,钱宇华,
关键词：跨模态检索, 特征传播, 深度网络, 关联学习, 深度学习,
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.
来源：2022年第9期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。