跨模态检索的鉴别子空间学习方法

作者：章浩明; 吴小俊^*; 徐天阳; 张东霖

来源：计算机仿真, 2023, 40(12): 556-562.

• 核相关性
• 跨模态检索
• 子空间学习
• 监督学习
• 鉴别性

许多现有的基于子空间学习的跨模态检索方法只集中于学习一个潜在的子空间，忽略了对鉴别性信息的充分利用，没有很好地保留语义结构信息。为了弥补这一不足，提出了一种跨模态检索的鉴别子空间学习方法(DSL),首先构建一个共享语义图来保留每个模态中的语义结构，随后引入希尔伯特-施密特独立性准则(HSIC)来保持样本的特征和语义相似度之间的一致性，最后构建角度重构方案。由此DSL可以弥补鉴别性数据使用不足的缺陷，更好地保留每个模态的语义结构信息。在两个常用的基准数据集上进行实验，结果表明上述方法相对于经典子空间学习方法更具有效性。

• 出版日期2023
• 单位江南大学