检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

339 篇 学位论文
162 篇 期刊文献
1 篇 会议

馆藏范围

502 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

486 篇 工学
- 385 篇 计算机科学与技术...
- 366 篇 软件工程
- 117 篇 机械工程
- 105 篇 控制科学与工程
- 16 篇 信息与通信工程
- 13 篇 仪器科学与技术
- 5 篇 生物医学工程（可授...
- 3 篇 电子科学与技术（可...
- 3 篇 航空宇航科学与技...
- 3 篇 公安技术
- 3 篇 网络空间安全
- 2 篇 食品科学与工程（可...
- 2 篇 生物工程
- 1 篇 电气工程
- 1 篇 建筑学
116 篇 管理学
- 110 篇 管理科学与工程(可...
- 4 篇 图书情报与档案管...
- 3 篇 工商管理
10 篇 艺术学
- 10 篇 设计学（可授艺术学...
7 篇 理学
- 5 篇 系统科学
- 1 篇 物理学
- 1 篇 大气科学
5 篇 医学
- 3 篇 基础医学(可授医学...
- 3 篇 临床医学
- 3 篇 医学技术（可授医学...
- 2 篇 中西医结合
3 篇 农学
- 3 篇 植物保护
2 篇 经济学
- 2 篇 应用经济学
2 篇 法学
- 2 篇 公安学
1 篇 教育学
- 1 篇 体育学
1 篇 军事学

主题

502 篇 跨模态检索
102 篇 深度学习
60 篇 哈希学习
52 篇 注意力机制
34 篇 哈希
22 篇 离散优化
21 篇 对比学习
20 篇 生成对抗网络
20 篇 对抗学习
19 篇 矩阵分解
17 篇 特征融合
16 篇 无监督学习
16 篇 深度哈希
15 篇 特征提取
14 篇 图卷积网络
14 篇 跨模态哈希
13 篇 子空间学习
12 篇 图像检索
12 篇 卷积神经网络
11 篇 transformer

机构

34 篇 西安电子科技大学
26 篇 广东工业大学
25 篇 电子科技大学
22 篇 山东大学
17 篇 中国科学院大学
16 篇 南京邮电大学
14 篇 江南大学
13 篇 北京邮电大学
12 篇 山东师范大学
11 篇 宁夏大学
10 篇 哈尔滨工业大学
9 篇 湖南大学
9 篇 大连理工大学
9 篇 武汉理工大学
8 篇 贵州师范大学
8 篇 华侨大学
7 篇 华东交通大学
7 篇 重庆邮电大学
7 篇 山东建筑大学
7 篇 浙江工业大学

作者

8 篇 刘立波
5 篇 滕少华
5 篇 liu libo
5 篇 xiong wei
4 篇 熊威
4 篇 滕璐瑶
4 篇 荆晓远
4 篇 张巍
4 篇 吴飞
4 篇 zhang wei
3 篇 徐黎明
3 篇 刘文印
3 篇 王海荣
3 篇 chen ying
3 篇 陈莹
3 篇 杨振国
3 篇 宣瑞晟
3 篇 zhu lu
3 篇 梁焕
3 篇 张宏图

语言

501 篇 中文
1 篇 英文

检索条件"主题词=跨模态检索"

共 502 条记录，以下是81-90 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的跨模态检索研究与实现

基于深度学习的跨模态检索研究与实现

引用

作者：张津铭西南大学

学位级别：硕士

随着互联网的快速发展,以图像、文本、音频等不同模态的多媒体数据呈爆炸式增长,传统单一模态的检索方式已经无法使用户的需求得到满足,跨模态检索应时而生。跨模态检索旨在提交一种模态数据作为查询样例,检索系统返回不同种类的其他模... 详细信息

随着互联网的快速发展,以图像、文本、音频等不同模态的多媒体数据呈爆炸式增长,传统单一模态的检索方式已经无法使用户的需求得到满足,跨模态检索应时而生。跨模态检索旨在提交一种模态数据作为查询样例,检索系统返回不同种类的其他模态数据作为检索结果。通过不同模态间的知识协同,跨模态检索有效满足了现代多样、灵活的检索需求,具有广泛的应用价值。目前,学者们针对跨模态检索展开了一系列研究,取得了很多成果。跨模态检索的主流思想是将彼此异构的数据映射到同一公共子空间中,生成公共表征,并进行相似度度量。这过程中涉及众多难题,如公共表示学习、模态间关联建模、弥合语义鸿沟等,学者们针对这些问题提出了众多方法。通过对已有工作分析,仍然存在以下不足,如对多模态数据表示的精细度不够,导致语义缺失或特征表达能力较弱,从而影响检索结果的准确率;对不同模态之间的交叉相关性考虑不充分,导致特征表征与其高层语义类别存在较大的差异;同时,由于数据量的快速增长,如何在保证检索精度同时,极大提升检索效率,减少存储消耗,在这些方面都还需要进行更深入的研究。针对以上问题,本文展开了相关研究,主要工作如下:(1)提出了一种基于语义预测的深度监督跨模态子空间检索模型。模型利用深度学习的非线性学习能力进行特征提取,特别融合了通道注意力机制来增强模态特征的精细度表示。通过采用有监督方法指导特征学习,强化对数据标签信息的有效利用,减小不同模态数据之间的语义鸿沟;采用基于语义预测的方法,通过对不同模态的语义学习,隐式构建了模态内数据的近邻结构与模态间的语义结构,增强了模态内部的信息判别能力;采用多级损失函数结合策略,提高了跨模态检索模型的性能。通过在主流数据集上的一系列对比实验,证明了所提模型的有效性。(2)提出了一种基于模态相似性保持的深度跨模态哈希检索模型。该模型有效捕获模态之间与模态内部的内在关系,对提高模型检索效率进行研究。采用深度学习的方法将特征提取与哈希码学习融合到同一端到端框架中,提高了模型检索效率与哈希学习的质量;通过采用不同的成对约束挖掘模态内部与模态间的相似性,极大程度保留不同模态之间的语义相似性;采用量化损失与正则化损失来约束量化过程中的误差最小,哈希码均衡。通过在主流数据集上进行实验,并与代表性跨模态哈希方法进行对比,证明了所提模型的有效性。(3)设计实现了一个跨模态图文检索原型系统。系统将本文提出的检索模型进行封装,实现了跨模态检索的完整过程。系统采用Python作为开发语言,后端采用Django框架,前端采用HTML5、CSS、Java Script、Bootstrap实现。系统能够将接收的检索数据通过跨模态检索模型,进行特征映射与相似性度量,并将检索结果返回至前台进行可视化展示,同时通过跨模态哈希方法进行特征映射,有效提升了系统检索速度。综上所述,本文构建了基于语义预测的深度监督子空间模型,为解决跨模态检索模型中特征抽取过程独立、模态表征语义信息不足问题提供了解决思路;提出基于模态相似性保持的深度哈希模型,在保证量化损失最小的情况下有效提高了跨模态检索匹配的效率与质量;设计并实现了一个跨模态图文检索原型系统,在基于语义的跨模态检索领域进行了有益的探索与尝试。

关键词：跨模态检索公共子空间监督学习深度学习相似性保持

来源：评论

学校读者我要写书评

暂无评论

基于哈希方法的单模态和跨模态检索技术研究

基于哈希方法的单模态和跨模态检索技术研究

引用

作者：谷雪松国防科技大学

学位级别：硕士

在如今数字信息时代,文字、图像、视频、音频等多媒体数据充斥整个互联网。如何有效管理、分析这些数据具有一定挑战性,这是因为多媒体数据是异质的,即它们的属性、特点皆异。这促进单类型数据（单模）和多类型数据（跨模态和多模态）... 详细信息

在如今数字信息时代,文字、图像、视频、音频等多媒体数据充斥整个互联网。如何有效管理、分析这些数据具有一定挑战性,这是因为多媒体数据是异质的,即它们的属性、特点皆异。这促进单类型数据（单模）和多类型数据（跨模态和多模态）分析处理技术的出现和快速发展。其中,检索技术是一类典型数据分析处理技术。近期基于哈希方法的单模态或跨模态检索技术成为该图像-文本领域的主流研究内容。单模态检索中查询数据与数据库中的数据属于相同的模态,而跨模态检索是指从包含除查询数据模态之外还有其他模态的数据库中检索出相关信息。哈希方法能够高维度数据映射到低维度的汉明空间中,具有存储消耗小、计算高效等优点。为适应当今社会对大规模数据的检索需求,基于哈希方法的检索技术受到广泛关注。尽管现有检索技术蓬勃发展,但它们仍存在一定局限性。在单模态哈希检索中,保证鲁棒性仍然存在两类的困难:1)鲁棒性度量,如M估计子,假设噪音服从特定分布,无法直接应用于离散哈希码;2)直接去除原始数据噪音很容易损害数据邻域结构。此外,跨模态哈希检索仍然面临“语义鸿沟”问题,特别是在有监督情况下,模态间语义表达和标签语义结构并不能保证是一致的。为了解决上述两类问题,本文主要工作为:1)为增强哈希码对数据噪音的鲁棒性,本文提出了一种单模态哈希检索技术,即对偶图正则鲁棒哈希方法（dual–graph regularized robust hashing,DGRH）。不同于现有鲁棒哈希方法,该方法直接使用M-估计子去除数据集中的异常值来保证哈希码的鲁棒性。具体来说,DGRH期望通过l1范数从含有噪音的数据中恢复原始数据的低秩表达,同时利用对偶图正则来保留样本之间的近邻关系,最终利用恢复的干净数据来学习哈希函数。此外,本文通过理论分析证明了哈希码的鲁棒性,实验结果也证明DGRH在三个常用的基准数据集上可以取得较好的效果。2)为了缩小跨模态检索方法中的“语义鸿沟”,本文提出了一种跨模态哈希检索技术,即基于语义一致性的跨模态哈希方法（semantic-consistent cross-modal hashing,SCCH）。该方法利用标签信息的监督性,将显式的语义标签嵌入到公共的潜在空间中,以此来保证学到的潜在语义表达和标签具有相同的语义一致性。为了保持样本一致性和类语义一致性,SCCH将样本的每个模态数据都映射到相同的潜在公共子空间中,对每个模态学习一个单独的哈希函数,并通过旋转变换使类潜在语义表达和样本哈希码潜在表示在语义表达上是一致的。为了减小了由于将实数值近似表达二值码而产生的量化误差,SCCH通过一个旋转矩阵将公共的潜在语义表示映射到哈希空间,进而直接学习得到哈希码。此外,本文使用了一种高效的迭代优化算法对SCCH模型进行了求解。实验表明,相比较其他具有代表性的方法,SCCH在两个常用的多模态数据集上具有优越性。

关键词：多媒体检索单模态检索跨模态检索哈希技术

来源：评论

学校读者我要写书评

暂无评论

基于语义判别哈希的跨模态检索研究

基于语义判别哈希的跨模态检索研究

引用

作者：刘芳名武汉科技大学

学位级别：硕士

网络技术的发展以及信息的快速流动导致多媒体数据急剧增长,呈现出规模变大、类型增多的特点。在这种情况下,传统的单模态数据检索再难满足用户对多种类型数据的检索需求,同时大规模的多媒体数据对检索提出了新的挑战。利用哈希码低存... 详细信息

网络技术的发展以及信息的快速流动导致多媒体数据急剧增长,呈现出规模变大、类型增多的特点。在这种情况下,传统的单模态数据检索再难满足用户对多种类型数据的检索需求,同时大规模的多媒体数据对检索提出了新的挑战。利用哈希码低存储、高效率检索的特点,跨模态哈希检索在众多的检索方法中得到了研究者们越来越多的关注。跨模态哈希检索的关键问题是如何利用异构数据中的潜在关联缩短语义鸿沟。大多数的方法忽略了以交互方式探索潜在的语义相关信息,而且仅采用二进制矩阵表示相关程度,无法捕获多标签数据之间更深层的语义信息,忽略了语义结构的保持和数据特征判别性的保持,从而影响了跨模态检索性能。首先,为了充分挖掘异构数据间潜在的语义关联信息并学习判别性的哈希码,本文提出的基于深度判别语义联合的跨模态哈希检索方法,使用数据之间的共有信息和各自特有的互补信息以挖掘数据更深层的语义关联,借助分类器学习判别性哈希编码。另外,提出的基于多级语义的判别式跨模态哈希检索方法,该方法在深度哈希的基础上使用多级语义相似度矩阵度量跨模态数据间不同程度的相关性,使得学习的哈希码在保持高层语义关联的同时又具有区别。在两个常用数据集上,使用查准率查全率曲线和平均准确率作为评价标准,本文的实验结果证实了本文所提方法提高了跨模态检索的性能。

关键词：跨模态检索跨模态哈希语义相关联合互相关判别哈希码

来源：评论

学校读者我要写书评

暂无评论

基于共同语义空间的跨模态检索方法研究

基于共同语义空间的跨模态检索方法研究

引用

作者：王雪如中国科学院大学

学位级别：硕士

随着信息社会的飞速发展，图像、文本、短视频等不同模态的数据作为信息载体广泛存在于社交媒体中，并互相依存和融合，增强用户体验。传统的单一信息检索模式，已无法满足用户对多样化搜索结果的需求，跨模态检索任务应运而生。该任务... 详细信息

随着信息社会的飞速发展，图像、文本、短视频等不同模态的数据作为信息载体广泛存在于社交媒体中，并互相依存和融合，增强用户体验。传统的单一信息检索模式，已无法满足用户对多样化搜索结果的需求，跨模态检索任务应运而生。该任务的目标为:给定一个查询，返回所有与之语义相关的多种模态的结果。这种搜索模式将打破不同模态数据之间的异构鸿沟，跨越不同模态数据实现信息检索。跨模态检索已逐渐成为图像、文本、短视频等多媒体信息检索领域的一个研究热点。　　现存的跨模态检索方法普遍采用两阶段的学习框架:第一阶段目标是为每个单一模态数据生成单独的表示;第二阶段目标是将各个模态的特征表示映射到一个共同语义空间。在线的检索过程是通过基于公共空间的特征相似度计算实现的。然而，上述方法存在两个局限性:1）依赖于大规模标记数据，跨模态检索数据集数据规模比较小;2）数据被挖掘的粒度不够深入，一般只考虑数据的全局信息，却忽略数据局部信息的细粒度对应关系。为有效应对以上局限，本文以不同模态数据的语义相关性为原则依托，开展相关工作，具体如下:　　1)提出一种基于迁移学习方法的两路迁移网络。该方法针对跨模态数据集中的每个模态，考虑将其他大规模源域数据集中的样本进行迁移，克服跨模态数据集数据规模小，所导致的学习过程不够充分的问题。同时，考虑到实际应用中源域数据集标签难以获取，本文采用无监督聚类的方式，对无标记数据分配伪标签，以完成源域数据集构造。　　2)提出一种基于注意力机制的局部特征匹配网络。该方法针对以往方法在跨模态图像-文本的特征建模时，大多数仅考虑数据的全局特征，忽略局部特征含有的细粒度语义信息的问题。引入注意力机制对图像、文本数据中的关键信息对(pair)进行匹配，使得在无额外新增标记数据的情况下，提升模型的检索效果，且提高模型的可解释性。　　3)提出一种局部-全局特征融合网络。该方法在局部特征匹配网络的基础上，做了进一步改进，实现全局特征和局部特征的融合。将图像-文本的全局特征和局部特征进行融合建模，充分利用数据全局信息和局部信息的互补特性，丰富特征表示，提升模型的检索能力。　　以上方法在公开数据集上进行了广泛的实验，实验结果表明，本文提出的方法取得了更好的性能，验证了所提出方法的有效性。

关键词：跨模态检索共同语义空间迁移学习注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的跨模态检索技术研究

基于深度学习的跨模态检索技术研究

引用

作者：文振宇南京航空航天大学

学位级别：硕士

跨模态检索是指给定一种模态(如图像)的查询项,在另一种模态(如文本)下检索其相关项的技术,近年来已成为多媒体、多模态领域的研究热点。由于不同模态数据具有不同的分布和表示,异构数据之间的相似性难以有效度量。深度学习可以被视为... 详细信息

跨模态检索是指给定一种模态(如图像)的查询项,在另一种模态(如文本)下检索其相关项的技术,近年来已成为多媒体、多模态领域的研究热点。由于不同模态数据具有不同的分布和表示,异构数据之间的相似性难以有效度量。深度学习可以被视为一种多层非线性映射函数,具有比传统浅层映射方法更好的非线性映射能力,在目标检测、对象识别等多个领域取得了出色的成果。本文采用基于深度学习的方法,将来自不同模态的数据映射到公共子空间内并度量其相似性,达到消除异构数据语义鸿沟、保留高级语义信息的目的,主要工作和创新点如下:1.提出一种新的深度中心化跨模态检索方法(Deep Centralized Cross-modal Retrieval,DCCMR)。首先,该方法不同于以往依赖于成对数据或三元组数据的方法,而是使用四元组数据构建公共子空间,使来自不同模态的数据在共享空间中的类内距离最小、类间距离最大;其次,该方法为公共子空间内每个类的映射学习到一个映射中心,并使用映射中心来消除不同模态数据间的异构鸿沟。该方法将全局信息考虑进公共子空间的构建过程,避免了以往基于成对数据方法由于数据对之间的高差异性导致的零损失下模型不更新问题,在跨模态检索领域的研究工作中少见类似工作。2.提出一种基于对抗学习的中心化跨模态公共子空间学习方法(Adversarial Centralized Subspace Learning,ACSL),在对抗学习的过程中,基于深度中心化跨模态检索方法,将全局信息、四元损失、模态内信息和模态间信息纳入公共子空间的构建过程,通过引入难样本思想以及生成模型和判别模型之间的对抗,进一步提升了跨模态检索方法的效果。对抗学习作为当前深度学习研究的前沿领域,可以更好地构建符合数据分布的生成模型。该方法在对抗学习框架下通过消除模态间异构鸿沟与保留模态内特征之间的博弈,在对抗提升中更好地学习到一个有效保留异构数据语义信息的公共子空间,提高了模型的性能。

关键词：跨模态检索深度学习公共子空间对抗学习

来源：评论

学校读者我要写书评

暂无评论

基于依存关系注意力与社交信息的跨模态检索方法研究

基于依存关系注意力与社交信息的跨模态检索方法研究

引用

作者：淦修修华东交通大学

学位级别：硕士

随着互联网技术的极速发展,不同模态的多媒体数据呈指数增长,人们已经无法满足于原始的例如图片检索的单模态数据检索方式,跨模态的多媒体检索成为信息检索的一个重要研究领域。跨模态多媒体检索技术,就是对于具有相似的语义内容的不同... 详细信息

随着互联网技术的极速发展,不同模态的多媒体数据呈指数增长,人们已经无法满足于原始的例如图片检索的单模态数据检索方式,跨模态的多媒体检索成为信息检索的一个重要研究领域。跨模态多媒体检索技术,就是对于具有相似的语义内容的不同模态数据,实现它们之间的成功匹配。本文主要研究跨模态多媒体检索领域中图像与文本互相检索的问题,任务包含两部分:已知查询图像,检索相关文本;已知查询文本,检索相关图像。本文基于深度网络模型,考量文本不同结构词组对图像语义表述偏重性的差异和社交媒体数据之间存在着复杂交互性现象,提出从两个方面的改进旨在提高跨模态检索的性能,主要工作包括:(1)提出基于句子依存关系注意力增强的跨模态检索方法,由于句子的不同语义词组对于表达图像语义的准确性不同,通过对句子生成句子依存关系树,在原有双分支网络模型的跨模态检索模型中,添加基于依存关系词组的注意力机制,以增强重要词组组合在文本表示学习过程中的影响;(2)提出融合社交信息的跨模态检索方法,在社交网站中,由于用户之间频繁的分享、交流,多媒体数据之间存在着复杂的社会交互,通过建立图像数据之间的社交信息网络,提取图像的社交信息特征向量,并在原有的双分支网络模型基础上,融合社交信息网络,构建基于三分支网络结构的跨模态检索方法。实验结果表明,与其他对比算法相比,所提方法的检索性能均有较好的提高,验证了本文算法的有效性。

关键词：跨模态检索注意力机制句子依存关系多分支结构社交信息网络

来源：评论

学校读者我要写书评

暂无评论

基于语义一致生成对抗网络的跨模态检索

基于语义一致生成对抗网络的跨模态检索

引用

作者：宣瑞晟贵州师范大学

学位级别：硕士

跨模态检索是指给定一个模态的查询词,返回与之语义相关的其他模态数据的一种检索方法。跨模态检索的最大困难是不同模态之间的表示和分布不同而带来的“异质性”问题,导致不同模态样本之间的相似性无法直接度量。本文通过将不同模态样... 详细信息

跨模态检索是指给定一个模态的查询词,返回与之语义相关的其他模态数据的一种检索方法。跨模态检索的最大困难是不同模态之间的表示和分布不同而带来的“异质性”问题,导致不同模态样本之间的相似性无法直接度量。本文通过将不同模态样本映射到公共子空间中,然后在子空间中度量不同模态样本的相似性,从而解决“异质性”问题。具体而言,本文做了以下工作:针对具有标签的样本,提出了基于语义一致性对抗跨模态检索方法。具体地,在对抗学习框架下:1)寻找不同模态下具有不同语义标签的每个语义类的类中心;2)同一模态下,最小化类中心与之具有相同语义样本的欧氏距离;3)不同模态下,最小化具有相同语义类中心的欧氏距离;4)对于类中心,最小化类中心与其他模态的具有同语义类的样本之间的距离。在Wikipedia数据集与NUSWIDE-10k数据集上进行了综合实验,结果表明了该方法在跨模态检索中的有效性。针对样本标签少的问题,提出了图约束的半监督对抗跨模态检索方法。具体地,在对抗学习框架下:1)对无标签样本,根据样本之间的欧氏距离构建图,希望相似样本的公共子空间表示是相似的;2)对有标签样本使用传统的对抗跨模态检索方法进行学习;3)无标签样本和有标签样本在对抗学习框架下共同学习公共子空间的表示。在Wikipedia数据集与NUSWIDE-10k数据集上的实验结果表明:该方法取得了与监督跨模态检索方法相当的检索结果。

关键词：跨模态检索对抗学习语义一致性图约束公共子空间

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的大规模遥感图像跨模态检索算法研究

基于注意力机制的大规模遥感图像跨模态检索算法研究

引用

作者：吴嘉辉广东工业大学

学位级别：硕士

随着信息技术的发展与普及，遥感信息的类型变得越来越多，由于获取遥感信息的渠道变多与获取成本的降低，遥感信息时代逐渐降临。遥感图像检索是遥感信息研究领域的热点之一，但是目前的大多数研究都停留在遥感图像的单模态检索上，即... 详细信息

随着信息技术的发展与普及，遥感信息的类型变得越来越多，由于获取遥感信息的渠道变多与获取成本的降低，遥感信息时代逐渐降临。遥感图像检索是遥感信息研究领域的热点之一，但是目前的大多数研究都停留在遥感图像的单模态检索上，即图片检索图片，对于遥感图像的跨模态检索研究少之又少。因此不同模态的遥感数据之间进行检索的技术还是不成熟，比较少。而且遥感图像的背景十分复杂，基于遥感图像的单模态高精度检索已十分困难，更别提遥感图像的多模态检索，在此领域的研究与创新不多。实现跨模态检索的关键技术与难点在于如何比较不同模态数据间同一语义的相似性，若能克服不同模态数据间不能直接比较语义相似性的困难，且在比较时能把不同模态数据的语义特征丢失尽可能减少，便能提高对遥感信息的管理效率和遥感信息的有效使用，推广遥感数据在跨模态检索方面的应用。针对上述问题，本文分析了图像特征提取、不同模态特征比较、跨模态检索任务存在的问题，分别提出了相应的解决方法。　　（1）从复杂的遥感图像中提取出代表性好的特征表示。尽管现有的特征提取模型已经达到很好的效果，但是如何在遥感图像中获得代表性好的显著特征仍是一个亟需解决的问题。与自然场景图像相比，遥感图像具有大量对象，通常包含大量与描述主题无关的背景内容，现有方法忽视了遥感图像中多尺度和目标冗余的特点。本文提出了一种基于通道注意力机制的多尺度特征融合特征提取模型，过滤冗余特征，提取出代表性强的显著特征。为了解决较高的同类间特征差异和较低不同类间特征差异，使用了三重对比损失函数，分别是自相似性对比、正相似性对比和负相似性对比，进一步实现所提取特征的可分辨性的增强。　　（2）针对在大规模遥感数据跨模态检索实现难度大，研究少，提出了一种结合自然语言处理模型（NLP）与深度学习图像特征提取模型的大规模遥感数据跨模态检索算法。针对不同模态的遥感数据特征表示不能直接比较，提出设计了一个能够良好地表示不同模态（文字与图像）的高级语义的共同特征空间，在此空间下不同模态的数据可通过共同空间映射转换为公共特征，进而相互之间能够直接比较。为能有效进行跨模态检索实验，构建适合跨模态检索的遥感数据集。传统RS场景数据集中的文本通常与自然场景标签一样描述粗略，这使得现有的遥感数据集不适合文本-图像检索任务，因为这些数据集中不同类别的图像具有很高的类内相似度。为了解决这个问题，我们构建了一个标签描述粒度更细和更具挑战性的数据集，以最小化类内相似性。新的数据集图片数量与类别都更多，文本标签粒度更细，能普遍适用于遥感图像的跨模态检索。　　通过实验数据结果表明，本文所提出的算法能够很好地解决遥感图像提取的特征代表性不高问题、现有遥感数据源不能很好进行跨模态检索实验问题、不同模态数据特征不能直接比较问题，能够应用到遥感图像跨模态检索实际应用中。

关键词：遥感图像跨模态检索特征提取注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深层语义的图文跨模态检索关键技术研究

基于深层语义的图文跨模态检索关键技术研究

引用

作者：柯川中国科学院大学

学位级别：硕士

互联网技术的快速发展，使得信息的获取和分享变得越来越便捷，进而形成了网络上的海量信息，这些信息中包含图像、文本、声音、视频等多模态数据。这些海量多模态数据带来了大量的跨模态检索需求，并且不能由以文检文等单模态检索技术... 详细信息

互联网技术的快速发展，使得信息的获取和分享变得越来越便捷，进而形成了网络上的海量信息，这些信息中包含图像、文本、声音、视频等多模态数据。这些海量多模态数据带来了大量的跨模态检索需求，并且不能由以文检文等单模态检索技术解决，因此迫切需要发展适用于跨模态检索的理论、方法和技术，可见跨模态检索具有重要的应用价值和研究价值。\n 本文重点关注图像和文本间的跨模态检索任务，主要包括图像和文本的表示学习以及两者之间关联学习等子任务。本文的主要研究工作包括:\n 提出基于模态间语义蕴含的图文匹配模型。本文分析并证实图像和文本间的语义关系是一种蕴含关系，并以此为基础提出上述模型，该模型首先利用神经网络对图像和文本进行表示学习，进而进行关联学习。然后为该模型设计一个新的目标函数，其要求模型在训练过程中计算图像和文本两者之间关联误差时兼顾两者之间的语义蕴含关系，从而使得模型尽可能多的学习两者语义的公共部分。所提模型在公开数据集上进行了评测，实验表明，所提模型的匹配效果优于已有代表模型。\n 提出基于细粒度特征的图像表示方法。该方法首先对训练集进行不同类型的增强处理，然后利用处理后的训练集分别训练深度神经网络，从而得到多个训练好的深度模型，进而利用这些模型形成最终的多列神经网络。所提方法在相关细粒度图像识别比赛中进行了评测，实验表明所提方法能够有效地提取图像的细粒度语义特征。\n 提出面向排序损失的文本表示方法。考虑与整个图文匹配模型的相容性，该方法利用卷积神经网络获得文本的向量化表示，并以排序损失函数为目标函数来训练网络。所提方法在公开数据集上进行了评测，实验表明，所提方法能够有效地提取文本的语义特征。\n 设计并实现图文跨模态检索系统。该系统实现了图像和文本这两种模态间的互搜功能，并且其图像搜索技术成功运用到核高基项目“安全可靠桌面计算机操作系统”的子任务“桌面搜索工具箱”和863项目“智慧城市”中城市大数据搜索功能中。

关键词：跨模态检索表示学习蕴含关系图文匹配模型语义特征卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于哈希学习的跨模态检索研究

基于哈希学习的跨模态检索研究

引用

作者：王海涛广东工业大学

学位级别：硕士

在信息检索领域,随着移动互联网和信息技术的发展,多媒体数据呈现出数量多、数据类型丰富的特点,传统面向单一模态数据的搜索引擎和方法无法满足现如今用户对多模态数据检索的需求。面对海量异构的多媒体数据,基于哈希学习的跨模态检索... 详细信息

在信息检索领域,随着移动互联网和信息技术的发展,多媒体数据呈现出数量多、数据类型丰富的特点,传统面向单一模态数据的搜索引擎和方法无法满足现如今用户对多模态数据检索的需求。面对海量异构的多媒体数据,基于哈希学习的跨模态检索技术具有计算效率高、占用存储资源小的优势,是解决大规模多媒体信息检索问题的有效技术手段。本文对跨模态检索领域中的鲁棒性哈希学习、多视角哈希学习、多模态语义挖掘和高效哈希学习框架等问题和挑战进行深入的研究和探讨,主要研究内容如下:提出一种鲁棒多视角相似嵌入的跨模态哈希方法。首先通过数据重构约束大幅减少数据在降维过程中信息丢失的问题,加强子空间学习的鲁棒性;其次,利用多视角学习,构造多模态数据的多视角相似矩阵,通过流型学习的方式将多视角相似性嵌入至低维表示中;最后通过离散的优化方式,大幅减小哈希码的量化误差。实验结果表明,该方法优于以往的跨模态哈希方法,具有良好的检索精度。提出一种监督型一致与特定模态映射的跨模态哈希方法。首先明确地将单一线性映射分解为多模态一致映射项和特定模态的映射项,分别挖掘多模态数据内部的语义一致性与单一模态内部的特殊性;其次,将类标签信息通过回归的方法嵌入至哈希码中,得到具有良好可区分性的哈希码,同时减低模型优化的时间复杂度。实验结果表明,该方法在训练时间和检索效果上优于以往的跨模态哈希方法,具有良好的实用价值。提出一种非对称的编码框架,将监督型一致与特定模态映射的跨模态哈希方法扩展至一个非对称的编码框架中,进一步提升哈希码的判别性。首先通过一致性映射和模态特定映射学习一个多模态离散潜在语义空间,然后通过非对称的编码函数学习多模态数据的哈希码。与以往方法不同的是,该方法将哈希函数和哈希码在同一个目标函数中同时迭代优化,并且优化的时间复杂度大幅低于以往的方法。实验结果表明,该方法在训练时间和检索精度上优于以往的方法。综上,本文从多个方面有针对性地设计不同的算法,提升了跨模态检索的准确性和检索速度,为实现高效、准确的跨模态检索提供了理论和技术支持。

关键词：跨模态检索哈希学习离散优化多模态数据迭代

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共51页 << < 5 6 7 8 9 10 11 12 13 14 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：