中国图象图形学报
中國圖象圖形學報
중국도상도형학보
Journal of Image and Graphics
2015年
9期
1170-1176
,共7页
多模态%交叉检索%稀疏编码%最大均值差异%图拉普拉斯
多模態%交扠檢索%稀疏編碼%最大均值差異%圖拉普拉斯
다모태%교차검색%희소편마%최대균치차이%도랍보랍사
multi-modality%cross-retrieval%sparse coding%maximum mean discrepancy%graph Laplace
目的 多模态信息交叉检索的根本问题是多模态数据的特征表示.稀疏编码是一种有效的数据特征表示方法,但是当查询数据和被检索数据来自不同模态时,数据间存在分布差异,相似的特征可能被编码为差异显著的稀疏表示,此时传统稀疏编码便不再适用.为此,提出了一种基于稀疏编码的多模态信息交叉检索算法.方法 采用最大均值差异(MMD)以及图拉普拉斯,并将二者加入到稀疏编码的目标函数中来充分利用多模态信息进行编码,模型求解采用特征符号搜索和离散线搜索算法逐个更新稀疏编码系数.结果 在Wikipedia的文本图像对数据上进行实验,并与传统稀疏编码进行比较,实验结果表明,本文算法使交叉检索的平均准确率(MAP)提高了18.7％.结论 本文算法增强了稀疏表示的鲁棒性,提高了多模态交叉检索的准确率,更适用于对多模态数据进行特征提取,并进行进一步的操作,如交叉检索、分类等.
目的 多模態信息交扠檢索的根本問題是多模態數據的特徵錶示.稀疏編碼是一種有效的數據特徵錶示方法,但是噹查詢數據和被檢索數據來自不同模態時,數據間存在分佈差異,相似的特徵可能被編碼為差異顯著的稀疏錶示,此時傳統稀疏編碼便不再適用.為此,提齣瞭一種基于稀疏編碼的多模態信息交扠檢索算法.方法 採用最大均值差異(MMD)以及圖拉普拉斯,併將二者加入到稀疏編碼的目標函數中來充分利用多模態信息進行編碼,模型求解採用特徵符號搜索和離散線搜索算法逐箇更新稀疏編碼繫數.結果 在Wikipedia的文本圖像對數據上進行實驗,併與傳統稀疏編碼進行比較,實驗結果錶明,本文算法使交扠檢索的平均準確率(MAP)提高瞭18.7％.結論 本文算法增彊瞭稀疏錶示的魯棒性,提高瞭多模態交扠檢索的準確率,更適用于對多模態數據進行特徵提取,併進行進一步的操作,如交扠檢索、分類等.
목적 다모태신식교차검색적근본문제시다모태수거적특정표시.희소편마시일충유효적수거특정표시방법,단시당사순수거화피검색수거래자불동모태시,수거간존재분포차이,상사적특정가능피편마위차이현저적희소표시,차시전통희소편마편불재괄용.위차,제출료일충기우희소편마적다모태신식교차검색산법.방법 채용최대균치차이(MMD)이급도랍보랍사,병장이자가입도희소편마적목표함수중래충분이용다모태신식진행편마,모형구해채용특정부호수색화리산선수색산법축개경신희소편마계수.결과 재Wikipedia적문본도상대수거상진행실험,병여전통희소편마진행비교,실험결과표명,본문산법사교차검색적평균준학솔(MAP)제고료18.7％.결론 본문산법증강료희소표시적로봉성,제고료다모태교차검색적준학솔,경괄용우대다모태수거진행특정제취,병진행진일보적조작,여교차검색、분류등.
