基于协同矩阵分解的单标签跨模态检索

针对跨模态检索存在的存储空间大、检索速度慢等缺点,提出了一种基于协同矩阵分解单标签跨模态检索方法,目标函数主要由协同矩阵分解、哈希函数和保持局部流形几何结构的图正则化三部分组成。 矩阵分解学习训练数据集在低维潜在语义空间的哈希编码的简洁表示;哈希函数用来学习投影,将训练集外的样本表示成学习到的子空间的哈希码, 根据汉明排序进行相似性搜索;图正则化用来保持原始空间的局部流行几何结构,该算法将这三部分有机地结合起来。为了证实该算法的有效性,在两个常用的数据集 Wiki 和 Pascal VOC 2007 进行了大量的实验,并与一些常用的相关方法进行了比较,结果证明了该算法的优越性