![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多模态 && 检索&& 推荐
文章平均质量分 93
多模态 && 检索&& 推荐
moletop
薛定谔的机器学习
展开
-
Flexible Multi-modal Hashing for Scalable Multimedia Retrieval 灵活的多模态哈希用于可伸缩的多媒体检索
灵活的多模态哈希用于可伸缩的多媒体检索Flexible Multi-modal Hashing for Scalable Multimedia Retrieval引用:24多模态散列方法通过在离线训练和在线查询阶段结合用于二进制散列学习的多模态特征,可以支持高效的多媒体检索。然而,当只提供一种或部分模式时,现有的多模式方法无法对查询进行二值化。在本文中,我们提出了一种新的灵活的多模态哈希(FMH)方法来解决这个问题。FMH在单个模型内同时学习多模态特定哈希码和多模态协作哈希码。哈希码是根据新出现的原创 2021-11-05 17:27:38 · 651 阅读 · 0 评论 -
多模态检索论文总结
1.年份梯度:2.从模态定义来看目标:研究多模态哈希检索。上述文章其实本质上单模态哈希,跨模态哈希和多模态哈希都有包括。但是我们可以通过窥探他们各自的思想来看看是否对我们多模态的研究提供思路[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TgnUazXC-1636104175271)(C:\Users\winter\AppData\Roaming\Typora\typora-user-images\image-20210905231230309.png)]上述文章中原创 2021-11-05 17:25:18 · 1950 阅读 · 0 评论 -
# 无监督SOTA_IJCAI18_Semantic Structure-based Unsupervised Deep Hashing
无监督SOTA_IJCAI18_Semantic Structure-based Unsupervised Deep Hashing文章目录无监督SOTA_IJCAI18_Semantic Structure-based Unsupervised Deep Hashing背景发现问题解决思路1.**Semantic Structure Learning:**2 Hash Code Learning:3.为了整合特征和哈希代码学习过程,设计了一个统一的、端到端可训练的深度框架。实验数据集实现细节结果思考后续原创 2021-08-01 17:00:46 · 648 阅读 · 10 评论 -
监督SOTA_CVPR18_ Deep Cauchy Hashing for Hamming Space Retrieval
文章目录背景现状:发现问题:提出解决思路深度柯西哈希(DCH)汉明空间概念总体框架设计基于柯西分布的成对交叉熵损失和基于柯西分布的量化损失贝叶斯学习框架柯西散列学习数据集:实验结果:问题思考:背景现状:哈希算法由于其计算效率和检索质量,在大规模图像检索中被广泛应用于近似最近邻搜索(ANN),而深度哈希算法通过端到端表示学习和哈希编码进一步提高了检索质量。发现问题:现有的大多数哈希方法都是基于哈希码的线性扫描来最大化检索性能。因为即使使用哈希码,线性扫描的代价仍然很高,所以我们在某种程度上背离了使用哈原创 2021-07-31 09:51:48 · 854 阅读 · 0 评论