石 娟，谢 德，蒋 庆

(1.广西大学 计算机与电子信息学院，广西壮族自治区 南宁 530004；2.西安电子科技大学 电子工程学院，陕西 西安 710071；3.百色干部学院 信息化建设与管理部，广西壮族自治区 百色 533013)

随着信息技术的发展，社交网络和存储设备中存在大量的多模态数据。为了有效地处理和分析这些数据，跨模态检索作为一个基础的计算机视觉应用，近年来受到了越来越多的关注。所谓跨模态检索，就是设计一种算法，使得不同模态之间的数据可以相互查询。其原理是：虽然不同模态的数据之间结构大相径庭，但是它们之间具有很强的语义相关性。因此，研究跨模态检索的首要任务是研究如何打破语义鸿沟、探索多模态数据之间的共同表征。如何有效地捕获不同数据结构的多模态数据之间的语义相关性，仍然是一个具有挑战性的问题。

有的传统跨模态检索方法基于传统的统计相关性、图正则以及字典学习，这些方法的主要思想是子空间学习，将不同模态的数据映射到一个共同空间并在这个空间中度量它们的相似性。然而，这些方法通常计算成本过高而检索效率却很低。为了克服这些缺点，基于哈希的跨模态检索逐渐取代传统的跨模态检索。哈希方法[1-3]可以将高维数据映射到低维汉明空间并保持数据之间的相似性，从而将高维数据转化为紧凑的二值码，将数据的相似关系转化为汉明距离并通过快速的异或运算来度量，提高了检索效率。……