传统机器学习
文章平均质量分 61
cross-modal
qq2285580599
这个作者很懒,什么都没留下…
展开
-
Asymmetric Supervised Consistent and Specific Hashing for Cross-Modal Retrieval
摘要 如今的跨模态检索问题存在三大局限: 1,之间没有工作同时挖掘多模态信息的一致性和特定模态的信息(多视角的思想) 2,因为庞大的计算和存储开销,两两相似度的识别能力经常被忽略。 3,离散化的问题经常被松弛化,松弛化会造成量化损失。 所以这里我们提出了我们的ASCSH.它有如下特点: 1,将映射矩阵分解成一致性和特定模态的矩阵。 2,两两相似度和语义标签同时去指导哈希码的学习。 3,我们的离散非对称结构能够有效地解决二进制约束问题,并且不需要松弛处理。 关于非对称结构 根据查询和检索的原创 2021-05-18 22:27:32 · 233 阅读 · 4 评论 -
Discrete Latent Factor Model for Cross-Modal Hashing
摘要 现有的跨模态哈希方法主要分为两类: 一类是基于松弛连续化的策略。另一类就是离散化的策略。 松弛离散化策略往往训练得更快,但是精度要低一些。 离散化策略往往训练得更慢,但是精度要高很多。 本文的DLFH就是一种离散化的策略。 提出算法 我们分别视U和V是离散的图片和文本的矩阵。那么根据DCMH 的那种损失,可以构造相似度矩阵,得到损失函数。 学习策略 如果我们简单地翻转每个元素的符号来学习U,总时间复杂度将是, 这是非常高的。如...原创 2021-05-18 21:30:09 · 197 阅读 · 0 评论