基于跨模態(tài)哈希的圖文檢索研究.pdf

1、信息爆炸式增長導(dǎo)致信息呈現(xiàn)規(guī)模大、模態(tài)多、特征維度高的特點(diǎn)，這些特點(diǎn)對信息處理帶來新的挑戰(zhàn)。在信息檢索領(lǐng)域，尋找樣本的最近鄰是核心工作。然而，由于數(shù)據(jù)這些新特點(diǎn)導(dǎo)致最近鄰檢索出現(xiàn)計(jì)算復(fù)雜度高、存儲(chǔ)量大的問題。哈希技術(shù)由于其存儲(chǔ)量低、檢索速度快的優(yōu)點(diǎn)，受到越來越多的重視。同時(shí)多媒體數(shù)據(jù)呈現(xiàn)多源異構(gòu)特點(diǎn)，跨模態(tài)檢索方法也成為熱門研究課題。最近越來越多的跨模態(tài)哈希方法涌現(xiàn)出來。然而它們主要存在幾個(gè)問題：
　?。?）算法訓(xùn)練復(fù)雜度高。主要

2、原因有：一方面，模型訓(xùn)練需要學(xué)習(xí)各個(gè)模態(tài)的哈希函數(shù)，使得迭代優(yōu)化更加困難。另一方面，單個(gè)模態(tài)內(nèi)部獲得理想的哈希函數(shù)也需要消耗大量計(jì)算資源。
　?。?）忽視哈希量化損失。常見的算法主要將異構(gòu)的多媒體數(shù)據(jù)映射到一個(gè)共同連續(xù)低維子空間，然后量化處理獲得哈希碼。由于哈希碼的離散特點(diǎn)，該問題是一個(gè)整數(shù)規(guī)劃問題，直接將哈希碼離散約束條件放松的優(yōu)化方法會(huì)帶來較大的量化損失，進(jìn)而影響檢索準(zhǔn)確率。
　?。?）算法數(shù)據(jù)庫適應(yīng)能力差。常見的跨模態(tài)

3、哈希算法對單標(biāo)簽、多標(biāo)簽、大規(guī)模數(shù)據(jù)庫和高維度數(shù)據(jù)庫中的一種或者幾種性能良好。但很少有算法能適應(yīng)各種數(shù)據(jù)庫。
　　針對以上問題，本文以圖文檢索為例研究跨模態(tài)哈希算法的模型設(shè)計(jì)和優(yōu)化方法，具體工作如下：
　　（1）針對訓(xùn)練復(fù)雜度高的問題，本文提出一種簡潔而有效的跨模態(tài)哈希算法。該算法首先利用單模態(tài)哈希算法從樣本的一個(gè)模態(tài)中獲得理想統(tǒng)一哈希碼，然后應(yīng)用線性回歸獲得其他模態(tài)的哈希函數(shù)。顯然這個(gè)非迭代的方法能極大降低計(jì)算復(fù)雜度。