面向Web图像检索的基于语义迁移的无监督深度哈希

• 作者: 许胜 谢良 陈盛双
• 来源期刊: 计算机应用研究
• 关键词: 语义迁移 图像哈希 Web图像检索 深度学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2866-2871
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0185

摘要

当前主流的Web图像检索方法仅考虑了视觉特征,没有充分利用Web图像附带的文本信息,并忽略了相关文本中涉及的有价值的语义,从而导致其图像表达能力不强.针对这一问题,提出了一种新的无监督图像哈希方法——基于语义迁移的深度图像哈希(semantic transfer deep visual hashing,STDVH).该方法首先利用谱聚类挖掘训练文本的语义信息;然后构建深度卷积神经网络将文本语义信息迁移到图像哈希码的学习中;最后在统一框架中训练得到图像的哈希码和哈希函数,在低维汉明空间中完成对大规模Web图像数据的有效检索.通过在Wiki和MIR Flickr这两个公开的Web图像集上进行实验,证明了该方法相比其他先进的哈希算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈盛双	武汉理工大学理学院	39	180	8.0	11.0
2	谢良	武汉理工大学理学院	3	1	1.0	1.0
3	许胜	武汉理工大学理学院	1	1	1.0	1.0