【摘 要】
：
随着互联网中多模态数据的迅速增长,跨模态检索技术已成为多媒体分析领域的热点问题.由于多模态数据存在语义鸿沟和异构鸿沟,如何提取各模态数据的有效特征以及挖掘不同模态数据之间的语义关系成为了跨模态检索的关键研究问题.得益于哈希学习较低的存储成本与时间复杂度以及深度学习的强大特征表征能力,基于深度学习的哈希方法成为了跨模态检索领域的主流方法.它通过深度神经网络提取各个模态数据的高层语义特征,并利用哈希编
论文部分内容阅读
随着互联网中多模态数据的迅速增长,跨模态检索技术已成为多媒体分析领域的热点问题.由于多模态数据存在语义鸿沟和异构鸿沟,如何提取各模态数据的有效特征以及挖掘不同模态数据之间的语义关系成为了跨模态检索的关键研究问题.得益于哈希学习较低的存储成本与时间复杂度以及深度学习的强大特征表征能力,基于深度学习的哈希方法成为了跨模态检索领域的主流方法.它通过深度神经网络提取各个模态数据的高层语义特征,并利用哈希编码层将高维特征映射成长度固定的二进制码,实现了较好的检索性能.然而,现有的基于深度学习的哈希方法依旧存在不足之处,例如数据之间语义相似度量过于简单,忽略了各模态特征语义相似程度,深度对称哈希模型训练时间长以及量化误差较大且难以优化.针对以上提及的问题,本文分别提出对应的解决方案,并在公共的跨模态数据集上与多种跨模态哈希方法进行大量的对比实验.本文的主要研究工作和创新点如下:1.针对大多数现有的深度哈希方法中实例之间的语义相似度量过于简单以及忽略保持各模态特征之间的语义相似程度的问题,提出了基于语义相似的深度对抗哈希算法.通过构造联合标签信息和手工特征的相似性度量函数,计算实例之间的相似度作为语义监督信息.引入对抗学习,构造模态判别器来区分特征所属的模态,从而得到公共特征空间.在三个常见的跨模态检索数据集上的实验表明,本文算法在跨模态检索应用中优于现有的跨模态哈希方法.2.针对深度对称哈希模型训练时间长,在大规模数据集上推广困难以及松弛策略求解哈希问题带来的量化误差较大的问题,提出了基于可区分的深度非对称监督哈希算法.利用深度哈希函数生成查询实例对应的哈希码,而对于数据库实例,则采用手工特征矩阵来学习得到其对应的哈希码.该方式既能充分利用大规模数据集中的有效信息,又能减少模型的训练时间.此外,引入离散优化来减少二进制量化误差.为了保证哈希码的可区分性,引入一个映射矩阵,将生成的哈希码映射为对应的标签.在三个常见的跨模态检索数据集上进行的实验表明,本文算法优于现有的跨模态哈希方法.
其他文献
爬壁机器人作为港口起重机检测与清洁作业的载体,代替人工进行检测与清洁,将极大地提高工作效率,保障人员的安全。足式爬壁机器人相较于轮式和履带式爬壁机器人,具备较好的运动灵活性和环境适应性,其中,六足比两足和四足机器人的稳定性好,比更多足的机器人控制简单,因此六足爬壁机器人具有广阔的应用前景和研究价值。然而,六足爬壁机器人的关节数目较多,实现其在起重机表面进行稳定攀爬运动的难度大。针对此问题,本文以磁
2021年中央财经委员会第九次会议中指出,要把碳达峰、碳中和纳入生态文明建设整体布局,如期实现2030年前碳达峰、2060年前碳中和的目标。物流行业是我国能源消耗的主要行业之一,也是碳排放的主要来源之一。因此,控制物流行业的碳排放量对我国碳减排整体目标的实现至关重要。相比于普通物流,冷链物流又是一种高能耗、高排放的物流系统,尤其是库存、配送环节中制冷设备的使用会消耗大量能源,从而产生更多碳排放。因
随着中国物流行业的发展,货运量迅猛增长。随之而来的,货车的安全驾驶和监控管理成为了物流企业关注的问题。自2016年起,重型载货卡车强制安装并使用具有行驶记录功能的GPS定位装置,使得海量的车辆定位数据挖掘和分析货车行驶特征和模式成为可能。但目前货车轨迹数据挖掘的研究还不足,因此本文以物流企业的货车GPS轨迹数据为研究对象,通过货车轨迹数据挖掘技术,发现其中蕴含的有价值的信息。主要研究轨迹数据预处理
在制造商主导的双渠道运营模式下,零售渠道和网上直销渠道往往会产生渠道冲突,制造商和零售商需要采取适当的营销策略来缓解冲突,使这两种渠道协调运行。随着供应链内外环境日趋复杂,市场需求经常发生扰动,供应链各节点企业需要及时把握市场需求的变化,并结合供应链成员之间的信息共享程度制定最优决策。因此,研究考虑营销策略的需求扰动下的双渠道供应链决策与协调问题具有理论和实践价值。针对制造商双渠道主导和零售商跟随
随着煤炭行业供给侧改革持续推进、新的去产能目标方案以及产能置换方案的制定和推进,淘汰落后的煤炭产能、优化煤炭生产结构成为煤炭行业供给侧改革的重要抓手。为了响应国家政策和市场的需求,对配煤质量的把控成了目前煤炭港口亟待解决的问题。而配煤质量的优劣很大程度上取决于配煤工艺流程设计和混配煤环节精确度的控制,以及有效的监测手段。基于此,本文以目前煤炭港口较为先进的筒仓配煤方式为例,对混配煤环节精确度优化和
随着世界范围内集装箱港口智慧化转型升级的不断推进,以煤炭、铁矿石等为代表的大宗散货港口也开始向设备工艺的自动化、无人化方向改造,积极完善港口信息化基础设施建设,提高生产管理效率。2019年,交通运输部发布了《交通强国建设纲要》,文件指出推动港口智能化建设,部署协调联动的智能调度系统,提高企业运营效率和安全生产水平将是接下来港口建设工作的重点。然而相比于集装箱港口,散货港口的智能化发展较为滞后,这在
集装箱吞吐量的增长对集装箱码头作业效率提出了更高的要求。作为集装箱堆场上重要作业设备,场桥往往成为堆场作业瓶颈环节。现有场桥调度研究中,场桥提箱作业时间被看做固定值,而实际作业过程中,提箱作业时间是随目标箱位置和阻碍箱数量动态变化的。该动态过程会影响场桥作业完成时间,及场桥与外集卡的任务衔接时间。综上,本文研究考虑动态提箱的场桥与外集卡协同调度,旨在提高场桥提箱完成时间求解准确度,从而最小化场桥提
控制图作为统计过程控制的工具之一,可对过程的稳定性进行监控,被广泛应用于生产和服务过程的质量控制中。在许多工业生产过程中,两个正态变量之间的比例是一种关键的质量特性,因此比例控制图具有重要的研究价值。动态控制图中的变样本容量策略（Variable Sampling Size,VSS）可以显著提高控制图的统计性能,被广泛应用于各类控制图。本文将变样本容量策略与比例控制图相结合,设计性能更优异的比例控
近年来,码头集装箱吞吐量迅速增长,外部集装箱卡车（简称外集卡）作为运输集装箱的主要工具,其需求量也快速增加。外集卡抵港时间的随机性导致了码头堵塞的现象,造成了港内资源的供给与需求难以平衡。集卡预约通过均衡各时段的外集卡到港量来缓解堵塞现象,集卡预约集港的效率与闸口、堆场的运作效率密切相关,合理的分配闸口及场桥资源不仅能够提高外集卡的集港效率,也能减少码头资源的空耗浪费。因此,对闸口、场桥资源分配与
尽管作业车间调度问题（Job-shop Scheduling Problem,JSP）在过去的几十年里已经得到了广泛而深入的研究,但大部分研究都是以正规指标（Regular Measures）最小化为目标。正规指标调度（如Makespan,Flowtime）只需要将工序时间尽量提前即可。作为一种先进的生产方式,准时制生产（Just in Time,JIT）在越来越多的企业中得到了广泛的应用。JIT