

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),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,伴隨著科技的快速發(fā)展,各種媒體類型的數(shù)據(jù)有了海量式的增加,我們稱之為“大數(shù)據(jù)”。用戶對多媒體數(shù)據(jù)的檢索需求也變得多樣化,以往人們可以通過搜索引擎如百度、谷歌或必應等快速和便捷地檢索大量的多媒體數(shù)據(jù)(如文本,圖片,音頻和視頻),并拿來進行數(shù)字娛樂。但是我們發(fā)現(xiàn),這種檢索方式比較單一化,它只能檢索某一種媒體類型的數(shù)據(jù),比如文本只檢索文本,圖片只檢索圖片?,F(xiàn)如今,人們更多的關(guān)注于不同的媒體類型之間互相檢索,對多個媒體類型數(shù)據(jù)進行分析和
2、處理,可以更好地滿足我們的檢索需求,因此我們需要對傳統(tǒng)的檢索方式進行革新,跨媒體檢索正逐漸的走入我們的視線,并被相關(guān)人員開始廣泛的研究。
近似最近鄰(Approximate Nearest Neighbor,ANN)查找,也稱相似性查找即找出一個與查找文件最為相似的項出來,這個項稱為最近鄰域。通過研究發(fā)現(xiàn),近似最近鄰查找非常適合于多媒體數(shù)據(jù)的檢索,它可以快速地檢索出我們想要的媒體類型數(shù)據(jù)。目前,基于哈希近似最近鄰檢索引起了廣泛
3、的關(guān)注,一方面哈希算法使用低維緊湊的二值碼來表示高維的特征數(shù)據(jù),使得數(shù)據(jù)在存儲占用上存在一定的優(yōu)勢。另一方面,哈希的檢索方式對維度不敏感,使得相似性計算非??欤欣诤A棵襟w數(shù)據(jù)的檢索。
由于哈希技術(shù)具有低存儲開銷和快速檢索的優(yōu)勢,基于哈希的近似最近鄰檢索在多媒體數(shù)據(jù)的相似檢索中引起廣泛的關(guān)注。一般來說,現(xiàn)實應用中的大多數(shù)數(shù)據(jù)都帶有語義標簽信息,因此很多的監(jiān)督多模態(tài)哈希學習方法都借助了語義信息來提升檢索的準確度。這其中一些方法
4、使用相似度矩陣去學習哈希函數(shù),然而這將會丟失一些維持原始數(shù)據(jù)的有用信息;有一些方法的哈希函數(shù)對噪聲缺乏魯棒性,易受樣本中噪聲的影響;還有的方法為了繞過離散優(yōu)化的障礙而將哈希碼進行松弛或者將哈希函數(shù)與哈希碼的學習變?yōu)閮蓚€獨立的過程,這都會使得哈希碼的質(zhì)量嚴重受損。考慮到以上缺陷,本文中設計了一個用于跨媒體檢索的多模態(tài)哈希學習方法,稱為監(jiān)督魯棒離散多模態(tài)哈希(Supervised Robust DiscreteMultimodal Hash
5、ing,SRDMH)。首先SRDMH使用傳統(tǒng)特征提取方法比如SIFT方法、GIST方法來抽取數(shù)據(jù)特征,學習過程中還加入了標簽信息;為了保證二值碼的質(zhì)量我們摒棄了以往的松弛二值碼的方式,而是同時學習哈希函數(shù)和二值碼;然后我們又引入了一種新穎的ζ2,p(0<p≤2)范數(shù)去克服樣本中的噪聲,使得我們的哈希函數(shù)具有更好的魯棒性;此外,為了優(yōu)化的方便,我們借助對每個樣本的中間表示把一個復雜的優(yōu)化問題變成了兩個子優(yōu)化問題。最后我們在三個基準數(shù)據(jù)集上
6、進行了大量的實驗,實驗結(jié)果表明我們提出的多模態(tài)哈希方法優(yōu)于目前已提出用于跨媒體檢索的哈希方法,具有很好地學術(shù)參考價值。
我們還設計并實現(xiàn)了一個跨媒體檢索系統(tǒng)。該系統(tǒng)采用瀏覽器/服務器模式提供以文本檢索圖片和以圖片檢索文本兩個跨媒體檢索功能。系統(tǒng)的結(jié)構(gòu)主要包含頁面展示層、業(yè)務核心層和數(shù)據(jù)存儲層。該系統(tǒng)的核心部分采用我們提出的多模態(tài)哈??蚣苓M行媒體信息的存儲和檢索,最終通過本系統(tǒng)展現(xiàn)了我們方法的有效性和高效性,并為實際的應用提供了
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于哈希方法的跨媒體檢索研究.pdf
- 基于內(nèi)容的視覺媒體檢索關(guān)鍵技術(shù)研究.pdf
- 跨媒體檢索技術(shù)的研究.pdf
- 基于概率的跨媒體檢索方法研究.pdf
- 基于特征學習和關(guān)聯(lián)學習的在線商品跨媒體檢索研究.pdf
- 基于近鄰可逆性的跨媒體檢索研究.pdf
- 基于相關(guān)性挖掘的跨媒體檢索研究.pdf
- 實體檢索的理論與關(guān)鍵技術(shù)研究.pdf
- 基于隱藏層語義關(guān)聯(lián)的跨媒體檢索方法研究
- 基于隱藏層語義關(guān)聯(lián)的跨媒體檢索方法研究.pdf
- 基于多核相關(guān)性挖掘的跨媒體檢索研究.pdf
- 基于深度相關(guān)性挖掘的跨媒體檢索研究.pdf
- 基于多數(shù)據(jù)集的跨媒體語義檢索技術(shù)研究.pdf
- 基于內(nèi)容的音樂哼唱檢索系統(tǒng)關(guān)鍵技術(shù)研究及實現(xiàn).pdf
- 基于稀疏編碼哈希的跨模多媒體檢索.pdf
- 多媒體信息綜合檢索的關(guān)鍵技術(shù)研究.pdf
- 基于異構(gòu)特征統(tǒng)計分析的跨媒體檢索研究.pdf
- 基于分布式哈希表的對等系統(tǒng)關(guān)鍵技術(shù)研究.pdf
- 基于深度學習與中心相關(guān)性度量算法的跨媒體檢索方法研究.pdf
- 基于時空相關(guān)性的跨媒體檢索模型研究與應用.pdf
評論
0/150
提交評論