卷积神经网络在跨媒体检索中的应用研究

• 作者: 段贝贝 金汉均
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 跨媒体检索 深度学习 卷积神经网络 VGGNet
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 54-57
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701342

摘要

为了适应人们多样化的检索需求,国内外研究人员提出各种“浅层”学习方法模型来探索跨媒体数据间潜在的关联关系,但这些方法主要从手工构建的底层特征出发,并不能充分有效的学习到不同媒体间的关联.与手工构建底层特征不同,深度学习通过无监督逐层预训练与有监督的微调,从而实现区分性更强的特征描述.利用深度学习在特征学习方面的优越性,提出了一种基于深层卷积神经网络VGGNet与LDA模型相结合的跨媒体数据检索方法,该方法利用预训练的VGGNet模型提取图像视觉特征,同时使用LDA模型获取文本的主题概率分布,有效的缩减了不同模态数据间的异构鸿沟与语义鸿沟,从而更有效的实现文本与图像之间的跨媒体检索,实验证明了该方法的先进性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金汉均		16	332	9.0	16.0
2	段贝贝		2	0	0.0	0.0