一种少样本跨模态哈希检索共同表征学习方法

摘要

本发明提供了一种少样本跨模态哈希检索共同表征学习方法，该方法设计了知己—知彼网络。知己—知彼网络主要涉及两大模块：知己模块和知彼模块。知己模块能够充分利用隐藏在数据本身的信息，融合不同层次的特征，提取更加具有全局性的特征；在知己模块的基础上，知彼模块对所有样本的相关性进行建模，捕获数据之间的非线性依赖关系，以便更好地学习不同模态数据的共同表征。最后，建立了保持模态内和模态间相似性的损失函数，对网络进行训练优化。本发明可有效地解决少样本情况下数据不均衡的问题，能够学习更加具有代表性的共同表征，从而较大幅度提高跨模态检索精度。