Aug, 2017

跨模态哈希深度二进制重构

PDF
TL;DR本研究提出了一种基于深度学习的无监督二元建模网络，称为 Deep Binary Reconstruction（DBRC），采用 Adaptive Tanh（ATanh）作为激活函数，从而能够通过交叉模态检索任务学习到最佳的二元哈希码。实验结果表明，DBRC 在图像到文本和文本到图像的检索任务中优于其他先进方法。
cross-modal retrievalbinary hashing codesdeep binary reconstructionadaptive tanhmultimodal networks
发现论文，激发创造
  • Deep Binaries: 对话 - 视觉跨检索中编码语义丰富线索的有效方法

    本文提出了一种名为文本视觉深度二进制编码（TVDB）的方法，该方法利用区域卷积网络和文本卷积网络来分别探索图像的区域细节和句子的语义线索，通过交替优化来高效地优化二进制编码和深层编码函数，实验证明此方法能够显著提高跨模态检索的性能。

    Aug, 2017

  • 三元组深度哈希网络用于跨模态检索

    本文提出一种基于三元组的深度哈希网络（TDH），用于跨模态检索，并在哈希空间中引入图形正则化，以保留哈希码的原始语义相似性，实验结果表明，我们提出的方法优于几种现有的交叉模态数据集上的最新方法。

    Apr, 2019

  • 异构多媒体检索的传递哈希网络

    本文提出了一种用于跨模态信息检索的混合深度架构，通过在辅助数据集中同时学习跨模态相关性和对齐数据集分布，生成异质多媒体检索的中间哈希代码，实验结果在公共数据集上表现为业内最先进的多媒体检索性能。

    Aug, 2016

  • 深层交叉模态哈希：通过哈希函数和统一哈希编码共同学习

    本文提出了一种新的端到端的深层交叉模态哈希方法 (DCHUC)，通过迭代优化算法学习图像 - 文本对的统一哈希码和一对哈希函数，并使用所学的统一哈希码来指导哈希函数的学习，同时学习到的哈希函数也可以反馈指导统一哈希码的优化过程。实验结果表明，该方法优于现有的交叉模态哈希方法。

    Jul, 2019

  • 跨模态检索的深度监督信息瓶颈哈希在计算机辅助诊断中的应用

    提出了 Deep Supervised Information Bottleneck Hashing (DSIBH) 方法来加强哈希码的可区分性，减少了冗余信息，从而促进交叉模态医学数据检索的高精度。

    May, 2022

  • 用于高效跨模式检索的相关哈希网络

    本论文提出了一种新的跨模式哈希方法，通过联合学习数据特征和量化误差控制实现高质量哈希编码，并在标准测试中表现良好。

    Feb, 2016

  • 二进制深度神经网络压缩哈希码学习

    本文提出了一种使用神经网络学习二进制哈希码来解决图像检索问题的算法，在无监督和监督学习模式下，通过约束其中一层直接输出二进制哈希码并融入独立性、均衡性和相似性：在学习过程中同时提取视觉特征和生成二进制哈希码，并通过交替优化和谨慎的放松来解决优化中的难点，实验表明本文提出的方法在基准数据集上表现优异。

    Dec, 2017

  • 深度跨模态哈希

    本文提出了一种名为深度跨模态哈希（DCMH）的方法，通过将特征学习和哈希码学习整合到同一框架中来解决现有跨模态哈希方法中手工制作的特征与哈希码学习程序不兼容的问题，并使用基于神经网络的端到端学习方法，取得了在跨模态检索中的最优性能。

    Feb, 2016

  • 基于 Ranking 的深度交叉模态哈希

    本文提出了一种基于排序的深度跨模态哈希方法（RDCMH），用于多模态数据检索，通过将深度学习和排序信息相结合来解决多标签数据检索的问题，并在真实数据集上进行了实验，证明该方法在跨模态检索方面比其他竞争基线表现更好，并取得了最先进的性能。

    May, 2019

  • 三元组深度二进制嵌入网络的快速训练

    本文针对图像检索任务，提出一种从图像到二进制码的压缩映射方法，使用三元组损失函数进行训练，并通过多标签分类问题和深度卷积神经网络实现高维二进制码的学习，从而实现高效的图像检索。

    Mar, 2016