[发明专利]一种基于继承映射的跨模态迁移哈希检索方法

摘要

本发明针对大规模数据的跨模态检索提出了一种基于继承映射的跨模态迁移哈希检索方法。首先，通过线性跨模态迁移学习来保持原始异构特征之间的关联关系；同时，继承映射与跨模态迁移相互协作，以确保从原始特征空间到哈希空间的相关性继承。进一步地，为了挖掘原始特征的结构近邻关系，本发明也采用了具有线性复杂度的锚图模型。而且，高层语义信息也通过线性回归的方法被加强。最终，一种高效的迭代优化策略被用来解决离散优化问题，这有效地避免了传统解法造成的松弛和量化误差。

主权项

1.一种基于继承映射的跨模态迁移哈希检索方法，其特征在于，包括以下步骤：步骤1：给定数据集n代表训练样本对的总数，表示图片特征，表示文本特征，y_i∈R^c表示语义标记向量，其中d₁表示图片特征维度，d₂表示文本特征维度，c表示数据集类的总数，则为图像特征矩阵、表示文本特征矩阵，Y∈R^c×n表示标记矩阵；步骤2：构建锚图模型来保持数据模态内的结构近邻关系，具体方法为：将任一模态训练样本当作图模型中的节点，构建节点与锚点之间的权重关系为：其中，m为模态索引，即m＝(1,2)分别对应图像和文本，σ是带宽参数,r_mj表示锚点且j∈(1,c)，根据锚图计算理论，其拉普拉斯矩阵为且其中I为单位矩阵，1为全1向量，因此局部锚图可以被表示为：其中为继承映射矩阵，且k为哈希码长度；步骤3：基于继承映射的跨模态迁移学习，即：其中，和为继承映射矩阵，||·||_F表示F范数；同时，为了继承原始特征的潜在信息，该对映射矩阵同样用于原始特征空间到哈希空间的映射，即：B∈{‑1,1}^k×n表示统一的哈希码矩阵；步骤4：结合所述步骤2和步骤3构建学习统一哈希码的目标函数；步骤5：求解所述目标函数，得到统一哈希码及继承映射矩阵。