x124612的博客

ABSTRACTKeywords: zero-shot hashing; discrete hashing; supervised knowledge transfer; semantic alignmentINTRODUCTION哈希是一种能够有效实现大规模多媒体数据检索的索引技术。为了实现更短的检索时间和更少的计算开销，哈希技术将高维数据映射成紧凑的二进制编码。通过哈希编码，可以降低数据...

目录MotivationsContributionsMethodsExperimentsMotivations1、zero-shot，标注新兴概念的时间和人工成本高，而且重新训练哈希模型也很耗时；2、现有的ZSH方法关注单模态图像检索（以图搜图），但现实生活中也有很多以文搜图的例子，所以研究跨模态zero-shot hashing。ContributionsCross-Modal Zer...

目录MotivationContributionsMethodsExperimentsConclusionsMotivation1、传统的监督哈希方法通常要求查询数据和训练数据具有相同的分布，这意味着查询数据的类别应该出现在训练类别中。然而，随着网络数据的爆炸式增长，新概念的图像正在迅速出现，为新出现的语义类别标记足够的训练数据是昂贵的，而且当新概念出现时对哈希函数进行重新训练是不现实的。Ze...

目录MotivationContributionsMethodsNetwork ArchitectureLoss FunctionOptimizationExperimentsConclusionMotivation1、传统的哈希方法对已知类别的性能很好（因为有正确的标签信息指导哈希学习），但是无法适用于新兴概念（从未见过的类别）。一方面，对新概念进行人工标注的成本高；另一方面，标注后再重新训...

Motivation1、大量新型概念出现，一方面人工标注成本高，另一方面重新训练哈希模型耗时2、ZSH没有解决语义鸿沟问题（计算机理解的底层视觉特征和人类理解的高层语义信息的不一致）；ZSH倾向于在同质类别之间迁移监督知识（猫和狗都属于动物类），而忽视了异质类别之间的有用信息（鸟和飞机能够通过翅膀这个属性共享监督信息）3、Attribute learning被证明能够对视觉数据很好地语义建模...

目录MotivationContributionsMethodsExperimentsConclusionMotivation1、Yang et al提出的zero-shot hashing方法是通过在已知类别和未知类别之间构建一个中间语义向量空间（类别标签的词向量空间）来迁移监督知识。但是由于已知类别和未知类别的数据分布不同，直接将从已知类别学习到的哈希函数用于未知类别，会引起偏差（pro...