基于隱藏層語義關(guān)聯(lián)的跨媒體檢索方法研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、伴隨著計算機網(wǎng)絡(luò)和多媒體技術(shù)的發(fā)展,人們不僅僅滿足于用單模態(tài)數(shù)據(jù)來描述一篇文檔,包含多種模態(tài)的多媒體文檔越來越頻繁的出現(xiàn)在網(wǎng)絡(luò)中,因此跨媒體檢索也越來越受到人們的關(guān)注。
  由于直接把不同模態(tài)底層特征映射到同維空間會損失大量信息,并且同維的不同模態(tài)特征所表達(dá)的意義也差異巨大,據(jù)此提出了基于隱藏層語義關(guān)聯(lián)的跨媒體檢索方法。該方法首先借鑒了深度學(xué)習(xí)的思想,通過深度網(wǎng)絡(luò)模型來完成底層特征到隱藏層特征的映射,其中深度網(wǎng)絡(luò)模型通過棧式自編碼

2、以及誤差反向傳播技術(shù)構(gòu)建。接著引入典型相關(guān)性分析來關(guān)聯(lián)不同模態(tài)的隱藏層特征,典型相關(guān)性分析能夠在保持不同模態(tài)特征最大相關(guān)性的基礎(chǔ)上把不同模態(tài)的特征映射到一個同維空間,使得通過典型相關(guān)性分析關(guān)聯(lián)后的不同模態(tài)的隱藏層特征具有同維度,且具有相近的意義表達(dá)。然后通過Softmax回歸模型對關(guān)聯(lián)后的隱藏層特征進(jìn)行語義分類學(xué)習(xí)。最后通過特征與語義相結(jié)合的檢索算法來進(jìn)行跨媒體檢索。
  為了驗證方法的有效性及可行性,在wiki百科數(shù)據(jù)集上進(jìn)行了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論