Deep Unified Cross-Modality Hashing by Pairwise Data Alignment

散列函数 计算机科学 通用哈希 动态完美哈希 双重哈希 模态(人机交互) 特征哈希 哈希表 局部敏感散列 理论计算机科学 成对比较 图像(数学) 与K无关的哈希 人工智能 模式识别(心理学) 算法 计算机安全
作者
Yimu Wang,Bo Xue,Quan Cheng,Yuhui Chen,Lijun Zhang
标识
DOI:10.24963/ijcai.2021/156
摘要

With the increasing amount of multimedia data, cross-modality hashing has made great progress as it achieves sub-linear search time and low memory space. However, due to the huge discrepancy between different modalities, most existing cross-modality hashing methods cannot learn unified hash codes and functions for modalities at the same time. The gap between separated hash codes and functions further leads to bad search performance. In this paper, to address the issues above, we propose a novel end-to-end Deep Unified Cross-Modality Hashing method named DUCMH, which is able to jointly learn unified hash codes and unified hash functions by alternate learning and data alignment. Specifically, to reduce the discrepancy between image and text modalities, DUCMH utilizes data alignment to learn an auxiliary image to text mapping under the supervision of image-text pairs. For text data, hash codes can be obtained by unified hash functions, while for image data, DUCMH first maps images to texts by the auxiliary mapping, and then uses the mapped texts to obtain hash codes. DUCMH utilizes alternate learning to update unified hash codes and functions. Extensive experiments on three representative image-text datasets demonstrate the superiority of our DUCMH over several state-of-the-art cross-modality hashing methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
Xi发布了新的文献求助10
4秒前
5秒前
不吃番茄的土豆墙完成签到 ,获得积分10
7秒前
8秒前
福宝完成签到 ,获得积分10
9秒前
10秒前
10秒前
万能图书馆应助Lalala采纳,获得10
11秒前
大个应助nnin采纳,获得10
12秒前
Xi完成签到,获得积分10
12秒前
shanshan完成签到,获得积分10
13秒前
七七发布了新的文献求助10
14秒前
恒河鲤完成签到,获得积分10
15秒前
al完成签到 ,获得积分10
16秒前
16秒前
16秒前
lee完成签到 ,获得积分10
17秒前
17秒前
快乐的冰巧完成签到 ,获得积分10
18秒前
英姑应助kevin采纳,获得10
20秒前
渐惘完成签到,获得积分10
22秒前
学术辣鸡发布了新的文献求助10
23秒前
王春起发布了新的文献求助10
23秒前
24秒前
24秒前
xu完成签到 ,获得积分10
24秒前
御风发布了新的文献求助10
24秒前
25秒前
eurus发布了新的文献求助10
25秒前
默默尔安完成签到 ,获得积分10
26秒前
26秒前
穆一手发布了新的文献求助10
27秒前
研友_VZG7GZ应助孤独丹珍采纳,获得10
28秒前
BMII发布了新的文献求助10
29秒前
cshuang发布了新的文献求助30
29秒前
Lalala发布了新的文献求助10
30秒前
饱满破茧完成签到,获得积分10
31秒前
海晨发布了新的文献求助30
31秒前
31秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141332
求助须知:如何正确求助?哪些是违规求助? 2792381
关于积分的说明 7802238
捐赠科研通 2448574
什么是DOI,文献DOI怎么找? 1302618
科研通“疑难数据库(出版商)”最低求助积分说明 626650
版权声明 601237