×
谢一才;曾宪华;王廷华;易、云

用于单模和跨模检索的在线深度哈希。 （英语） 兹伯利07817260

信息科学。 608, 1480-1502 (2022).
摘要：近几十年来，用于单峰或跨峰检索的基于批处理的散列学习范式取得了很大进展。然而，基于这种范式的方法无法持续适应新数据流的到来；此外，在大数据搜索中，它们在训练时间和内存成本方面效率低下，因为它们必须在训练前积累所有的数据库数据和新的传入数据。尽管近年来提出了一些在线哈希检索方法来解决这些问题，但它们都是基于浅层模型的，没有一种方法能够在一个框架中执行单模和跨模检索。为此，我们提出了一种新的方法，即用于单模和交叉模检索的在线深度哈希（ODHUC）。对于在线深度散列，ODHUC首先使用图像和文本基础数据库训练图像和文本神经网络，并学习其散列码。当新数据到达时，ODHUC从新到达的数据和基础数据库中对图像和文本进行采样，以更新图像和文本网络，并学习新数据的哈希码，其目的是使增量数据和旧数据的哈希码的相似度与监督语义相似度保持一致。ODHUC还通过知识提取利用采样的旧数据进行训练，以学习新知识，避免对旧知识的灾难性遗忘。通过这种方式，ODHUC在不降低性能的情况下实现了在线深度散列学习。对于两类检索任务，ODHUC分两个阶段学习图像和文本深度散列函数，以对齐图像和文本特征；它首先生成图像散列码，然后利用它们来监督文本散列码的学习。因此，ODHUC可以在一个框架中执行单峰和跨峰检索任务。在三个实际数据集上的大量实验表明，ODHUC优于几种最先进的方法。

MSC公司：

68倍 计算机科学
94-XX年 信息与通信理论、电路

关键词：

在线哈希;交叉模式检索;单模检索;在线学习;知识提炼;深度学习
PDF格式BibTeX公司 XML格式引用
\textit{Y.Xie}等人，《信息科学》。6081480-1502（2022；Zbl 07817260）
全文： 内政部

参考文献：

[1] 李，Z。；Tang，J。；Mei，T.，社会形象理解的深度协作嵌入，IEEE Trans。模式分析。机器。智力。，41, 9, 2070-2083 (2019)
[2] Yang，X.先生。；高，X。；Song，B。；Han，B.，极光图像检索的分层深度嵌入，IEEE Trans。赛博。，51, 12, 5773-5785 (2021)
[3] 姜强。；Li，W.，非对称深度监督散列，（AAAI人工智能会议论文集（2018）），3342-3349
[4] Y.Shen，Y.Feng，B.Fang，M.Zhou，S.wong，B.Qiang，DSRPH：高效多标签图像检索的深层语义感知排名保持散列，信息科学539（2020）145-156。
[5] Hong，W。；Chang，Y。；秦，H。；Hung，W。；蔡，Y。；Yang，M.，通过线性判别学习进行图像散列，IEEE计算机视觉应用冬季会议，2531-2539（2020）
[6] 施，X。；Xing，F。；张，Z。；萨科塔，M。；郭，Z。；Yang，L.，基于成对离散散列的可扩展优化机制，IEEE Trans。图像处理。，30, 12, 1130-1142 (2021)
[7] Kang，R。；曹毅。；Long，M。；Wang，J。；Philip，S.Y.，Maximum margin hamming hashing，国际计算机视觉会议，8251-8260（2019）
[8] Wang，W。；张，H。；张，Z。；刘，L。；Shao，L.，基于稀疏图的可扩展图像检索自监督散列，信息科学。，547, 622-640 (2021) ·兹比尔1475.68298
[9] 沈，F。；沈，C。；刘，W。；Shen，H.，监督离散散列，IEEE/CVF计算机视觉和模式识别会议，37-45（2015）
[10] 李，Z。；Tang，J。；张，L。；Yang，J.，《用于社会图像检索的弱监督语义引导散列》，国际计算机杂志。愿景，1282265-2278（2020）·兹比尔1483.68309
[11] 邓，C。；杨，E。；刘，T。；刘，T。；Tao，D.，用于监督图像搜索的具有特定类中心的双流深度哈希，IEEE Trans。神经网络学习。系统。，31, 6, 2189-2201 (2020)
[12] 邓，C。；陈，Z。；刘，X。；高，X。；Tao，D.，用于跨模式检索的基于三重的深度哈希网络，IEEE Trans。图像处理。，27, 8, 3893-3903 (2018) ·Zbl 1409.94109号
[13] 李，C。；邓，C。；李，N。；刘，W。；高，X。；Tao，D.，用于跨模式检索的自我监督对抗哈希网络，（计算机视觉和模式识别会议论文集（2018）），4242-4251
[14] 姜强。；Li，W.，深度交叉模式散列，IEEE计算机视觉和模式识别会议，3232-3240（2017）
[15] 王，R。；Yu，G。；张，H。；郭，M。；崔，L。；Zhang，X.，Noise-robust deep cross-modal hashing，信息科学。，581, 136-154 (2021)
[16] X.Liu，G.Yu，C.Domeniconi，J.Wang，Y.Ren，M.Guo，基于排名的深度交叉模式哈希，收录于：《AAAI人工智能会议论文集》，2019年第33卷，第4400-4407页。
[17] Z.Chen，W.Yu，C.Li，L.Nie，X.X.Xu，双深度神经网络交叉模式散列，摘自：《AAAI人工智能会议论文集》，第33卷，2018年，第274-281页。
[18] Yu，J。；周，H。；詹，Y。；Tao，D.，用于无监督交叉模式散列的深度图邻相干保持网络，（AAAI人工智能会议论文集（2021）），1-9
[19] 聂，X。；王，B。；李，J。；Hao，F。；简·M。；Yin，Y.，用于交叉模式检索的深度多尺度融合散列，IEEE Trans。电路系统。视频技术。，31, 1, 401-410 (2021)
[20] Ke，W。；T·6月。；年，W。；Shao，L.，高效多媒体检索的语义增强跨模式散列，信息科学。，330, 199-210 (2016)
[21] Jin，L。；李，Z。；Tang，J.，用于可伸缩图像文本和视频文本检索的深层语义多模式哈希网络，IEEE Trans。神经网络学习。系统。，1-14 (2020)
[22] Wang，J。；Jin，L。；李，Z。；唐杰，跨模式知识蒸馏散列（中文），中国科学技术研究院，第1-13期（2021年）
[23] 谢，D。；邓，C。；李，C。；刘，X。；Tao，D.，用于跨模式检索的多任务一致性保护对抗性哈希，IEEE Trans。图像处理。，29, 3, 3626-3637 (2020) ·Zbl 07586127号
[24] Ng、W.W。；田，X。；佩德里茨，W。；王，X。；Yeung，D.S.，非平稳环境中语义图像检索的增量散列学习，IEEE Trans。赛博。，49, 11, 3844-3858 (2018)
[25] 陈，J。；李毅。；Lu，H.，在线自组织散列，IEEE多媒体与博览会国际会议，1-6（2016）
[26] 林，M。；吉·R。；陈，S。；太阳，X。；Lin，C.，用于在线图像检索的相似性保持链接哈希，IEEE Trans。图像处理。，5289-5300 (2020) ·Zbl 07586248号
[27] 林，M。；Ji，R。；刘，H。；太阳，X。；陈，S。；Tian，Q.，Hadamard矩阵引导在线散列，国际计算机杂志。愿景，128，2279-2306（2020）·Zbl 1483.68306号
[28] 陈，X。；Yang，H。；赵，S。；国王一世。；Lyu，M.R.，《使在线草图散列更快》，IEEE Trans。知识。数据工程，33，3，1089-1101（2021）
[29] 卡基尔，F。；He，K。；巴格尔，S.A。；Sclaroff，S.，Mihash：基于相互信息的在线哈希，IEEE计算机视觉国际会议，437-445（2017）
[30] C.Leng，J.Wu，J.Cheng，X.Bai，H.Lu，在线草图散列，摘自：IEEE计算机视觉和模式识别会议，IEEE计算机学会，2015年，第2503-2511页。
[31] M.Lin，R.Ji，H.Liu，X.Sun，Y.Wu，Y.Wou，走向具有平衡相似性的最优离散在线散列，收录于：《AAAI人工智能会议论文集》，第33卷，2019年，第8722-8729页。
[32] M.Lin，R.Ji，X.Sun，B.Zhang，F.Huang，Y.Tian，D.Tao，在线散列的快速类更新，IEEE Trans。模式分析。机器。智力。DOI:10.1109/TPAMI.2020.3042193（预印本）（2020）1-14。
[33] 黄，L。；杨琼。；郑伟，在线哈希，IEEE Trans。神经网络学习。系统。，29, 6, 2309-2322 (2018)
[34] Y.Zhan，X.Luo，Y.Sun，Y.Wang，Z.Chen，X.X.Xu，弱监管在线散列，收录于：IEEE多媒体与博览会国际会议，2020年，第3419-3427页。
[35] Z.Weng，Y.Zhu，高效更新二进制代码的在线散列，载于：第三十四届AAAI人工智能会议，2020年，第12354-12361页。
[36] 法提赫，C。；萨拉，A。；Stan，S.，在线监督哈希，计算。视觉。图像理解。，156, 162-173 (2017)
[37] 卢，X。；朱，L。；郑，Z。；聂，L。；Zhang，H.，带动态查询自适应的在线多模散列，（第42届国际ACM SIGIR会议（2019）），715-724
[38] 卢，X。；朱，L。；郑，Z。；李，J。；聂，L。；Zhang，H.，用于大规模多媒体检索的灵活在线多模式散列，（第27届ACM国际会议（2019）），1129-1137
[39] 谢立群，沈建群，韩建群，朱立群，邵立群，在线图像检索的动态多视图散列，载《第二十六届国际人工智能联合会议》，2017年，第3133-3139页。
[40] Yi，J。；刘，X。；张，Y。；Xu，X。；He，Y.，用于大规模跨模式检索的高效在线标签一致性哈希，IEEE多媒体与博览会国际会议，1-6（2021）
[41] 姚，T。；王，G。；Yan，L。；孔，X。；苏，Q。；张，C。；田强，面向跨媒体检索的在线潜在语义哈希，模式识别。，89, 1-11 (2019)
[42] 詹，Y。；Wang，Y。；孙，Y。；吴，X。；罗，X。；Xu，X.，离散在线交叉模式哈希，模式识别。，122，第108262条pp.（2022）
[43] 王，D。；王，Q。；安，Y。；高，X。；Tian，Y.，用于大规模跨媒体检索的在线集体矩阵分解哈希，（第43届国际ACM SIGIR信息检索研究与发展会议（2020）），1409-1418
[44] Wang，Y。；罗，X。；Xu，X.，用于跨模式检索的标签嵌入在线散列，（MM'20:第28届ACM国际多媒体会议（2020）），871-879
[45] X.Liu，X.Wang，Y.Cheung，FDDH:大规模跨模式检索的快速判别离散散列，IEEE Trans。神经网络学习。系统。DOI:10.10109/TNNLS.2021.3076684（2021）1-16。
[46] L.Xie，J.Shen，L.Zhu，网络图像检索的在线跨模态哈希，载于：第三十届AAAI人工智能会议，2016年，第294-300页。
[47] Liberty，E.，《简单和确定性矩阵绘制》（ACM SIGKDD国际知识发现和数据挖掘会议（2013）），581-588
[48] 陈，X。；国王一世。；Lyu，M.R.，Frosh：更快的在线草图散列，IEEE Trans。知识。数据工程，33，3，1089-1101（2021）
[49] 江，J。；Tu，Z.，用于图像分割和标记的高效尺度空间自动控制，IEEE计算机视觉和模式识别会议，1810-1817（2009）
[50] 张，C。；陶，D。；胡，T。；Liu，B.，从向量值函数学习的角度看多任务学习的推广边界，IEEE Trans。神经网络学习。系统。，32, 5, 1906-1919 (2021)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。