一种基于深度学习的异质域检索方法

摘要

现有的大多数检索方法主要基于同质域进行开展,而论文主要讨论在异质域的不同类间的不一致相似性问题,即在一个域内的很相似的一对类在另一个域内有可能是相异的.为了解决上述问题,提出了两两正交的softmax,使softmax层的决策轴具有一致的相似性.通过跨域来共享相同的特征空间结构,这样一来可通过简单的线性变换来将特征空间转化为其他空间.在3个异质域数据集上的测试结果证明了论文方法的有效性.