公开(公告)号：CN106095829B

公开(公告)日：2019-08-06

申请号：CN201610381864.1

申请日：2016-06-01

Applicant: 华侨大学

Inventor： 杜吉祥 ,  邹辉 ,  翟传敏 ,  范文涛 ,  王靖 ,  刘海建

IPC: G06F16/43

Abstract: 本发明涉及基于深度学习与一致性表达空间学习的跨媒体检索方法，针对图像与文本两种模态的跨媒体信息，从特征的选择及高度异构的两个特征空间的相似性估算这两个方法上入手，提出一个能教大幅度提高多媒体检索准确率的跨媒体检索方法。本发明所述的方法是一种针对图像与文本两种模态的多媒体信息相互检索方法，实现跨媒体检索准确率的较大幅度提高。本发明提出的模型中，采用经调整过的向量内积作为相似度度量算法，不仅考虑了两种不同模态特征向量的方向，而且在中心化后消除了指标量纲的影响，将向量中的每个元素减去元素的平均值，再计算去均值后的两个向量的相关性；能计算得到更为准确的相似度。

公开(公告)号：CN106095829A

公开(公告)日：2016-11-09

申请号：CN201610381864.1

申请日：2016-06-01

Applicant: 华侨大学

Inventor： 杜吉祥 ,  邹辉 ,  翟传敏 ,  范文涛 ,  王靖 ,  刘海建

IPC: G06F17/30

CPC classification number: G06F16/43

Abstract: 本发明涉及基于深度学习与一致性表达空间学习的跨媒体检索方法，针对图像与文本两种模态的跨媒体信息，从特征的选择及高度异构的两个特征空间的相似性估算这两个方法上入手，提出一个能教大幅度提高多媒体检索准确率的跨媒体检索方法。本发明所述的方法是一种针对图像与文本两种模态的多媒体信息相互检索方法，实现跨媒体检索准确率的较大幅度提高。本发明提出的模型中，采用经调整过的向量内积作为相似度度量算法，不仅考虑了两种不同模态特征向量的方向，而且在中心化后消除了指标量纲的影响，将向量中的每个元素减去元素的平均值，再计算去均值后的两个向量的相关性；能计算得到更为准确的相似度。