Jul, 2019

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

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 联合 CycleGAN: 用于跨模态检索的无监督哈希网络

    提出了一种基于生成对抗网络的无监督交叉模态哈希方法，可以学习到有效的公共表示和可靠的哈希码，实现了高效的跨模态检索。三个流行的基准数据集上的实验结果表明，该方法优于现有的无监督交叉模态哈希方法。

    Mar, 2019

  • 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

  • 深度流形哈希：一种用于半成对无监督跨模态检索的分治方法

    本论文提出了一种新方法 Deep Manifold Hashing (DMH)，通过基于流形学习的半配对数据来获取模态不变的特征，并构建三个子模型，分别学习哈希编码和哈希函数，解决了现有跨模态哈希方法在数据严重不平衡情况下的性能问题，并在三个基准测试上证明了其优越性。

    Sep, 2022

  • 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

  • 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

  • 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

  • 无监督生成对抗跨模态哈希

    本文提出了一个无监督生成式对抗跨模态哈希 (UAGCH) 方法，该方法使用生成式对抗网络来学习跨模态哈希的哈希函数，并利用相关图来捕捉不同模态间的流形结构，从而实现快速且灵活的检索。与 6 种最先进的方法的实验结果证实，提出的方法具有很高的检索准确性。

    Dec, 2017

  • 循环一致性深度生成哈希用于跨模态检索

    本文提出了一种新的深度生成式方法，通过循环一致性损失来学习哈希函数，实现无成对训练样本的跨模态检索，该方法利用对抗训练来学习一组哈希函数，从而实现不同模态之间的转换，并进一步提出循环一致性损失来构造具有语义的哈希码，从而在大规模跨模态数据集上实现更好的检索结果。

    Apr, 2018

  • 跨模态哈希深度二进制重构

    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。

    Aug, 2017