田 枫,李 闯,刘 芳,李婷玉,张 蕾,刘志刚

1(东北石油大学 计算机与信息技术学院,大庆 163318)

2(中国石油天然气股份有限公司 冀东油田分公司,唐山 063004)

随着互联网技术的快速发展,图像,文本,视频,音频,三维模型等多媒体数据量越来越多,多媒体信息检索[1]发展迅速,其中跨媒体检索是研究热点.跨媒体检索[2]是指任意使用一种媒体数据对其他媒体数据在语义层面进行相关性检索,实现多媒体数据在语义上的互通.其难点在于,不同媒体类型的数据表示形式不一致,导致它们之间存在异构性.而且,不同媒体类型的数据特征维度高,导致检索效率低是具有挑战性的问题.针对此问题,哈希学习将不同媒体数据从高维表示空间映射到低维汉明空间,同时将原始数据的相关性尽可能保留到汉明空间,使在同一语义下的不同媒体数据具有相似的哈希码.因此,哈希学习成为研究跨媒体检索的一类代表性方法.

目前主流的跨媒体哈希检索方法主要分为两类:一类是无监督跨媒体哈希方法和有监督跨媒体哈希方法.其无监督跨媒体哈希是指不使用语义标签信息进行学习,而是通过捕捉底层数据的结构,分布以及拓扑信息来学习哈希函数.例如媒体间哈希(Inter-Media Hashing,IMH)[3],协同矩阵分解哈希(Collective MatrixFactorization Hashing,CMFH)[4],跨媒体相似检索的潜在语义稀疏哈希(Latent Semantic Sparse Hashing for cross modal similarity search,LSSH)[5]等方法.有监督跨媒体哈希方法主要利用语义标签信息的指导学习哈希函数.如跨视角哈希(Cross View Hashing,CVH)[6],最大语义关联跨媒体检索……