基于虚拟标签回归的无监督跨模态哈希检索方法及系统

摘要

本公开提供了一种基于虚拟标签回归的无监督跨模态哈希检索方法及系统，将特征表示和哈希函数学习整合到一个统一的深度框架中，通过多模态深度特征的协同矩阵分解学习共享的哈希码，以保证多个模态共享相同的语义；在此基础上，引入虚拟标签的概念，通过非负谱分析学习虚拟标签，同时将学习到的虚拟标签回归到哈希码中，保证了哈希码和虚拟标签之间的语义一致性；在上述框架中，深度特征的协同矩阵分解和虚拟标签的学习与回归有利于深度特征表示和哈希函数的学习，改进后的深度特征表示和哈希模型有利于协同矩阵分解和虚拟标签的学习与回归，两者相互促进；同时，本公开通过一种新的离散优化策略，直接更新深度哈希函数和哈希码，有效地降低了现有方法中松弛策略的量化误差，提高了跨模态检索的性能。