期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于深度哈希学习的知识库问答检索框架 被引量:2
1
作者 刘铄 周刚 +1 位作者 李珠峰 吴皓 《计算机科学》 CSCD 北大核心 2023年第11期227-233,共7页
知识库问答通常包含3个子任务:中心实体识别、实体链接和关系检测。鉴于当前知识库中通常包含数量巨大的实体和关系,为了进一步解决基于复杂规则和倒排索引在知识库中进行检索带来的搜索空间局限性、召回率偏低和难以兼顾语义信息等问题... 知识库问答通常包含3个子任务:中心实体识别、实体链接和关系检测。鉴于当前知识库中通常包含数量巨大的实体和关系,为了进一步解决基于复杂规则和倒排索引在知识库中进行检索带来的搜索空间局限性、召回率偏低和难以兼顾语义信息等问题,提出了一种构造知识库问答检索框架的新方法。该框架包含文本召回和哈希召回两个主要模块,通过二次召回设计构成传统文本检索与保留语义信息的哈希码检索的级联检索模式。所提方法在大规模知识库问答测评基准KgCLUE和NLPCC2016提供的数据集上进行实验,结果表明:基于深度哈希学习的知识库问答检索框架可以高效地获取高质量的候选项,在适应大规模知识库的同时能够节省一定的时间开销。 展开更多
关键词 检索框架 知识库问答 深度哈希学习
下载PDF
基于增强视觉Transformer的哈希食品图像检索
2
作者 曹品丹 闵巍庆 +4 位作者 宋佳骏 盛国瑞 杨延村 王丽丽 蒋树强 《食品科学》 EI CAS CSCD 北大核心 2024年第10期1-8,共8页
作为食品计算的一个主要任务,食品图像检索近年来受到了广泛的关注。然而,食品图像检索面临着两个主要的挑战。首先,食品图像具有细粒度的特点,这意味着不同食品类别之间的视觉差异可能很小,这些差异只能在图像的局部区域中观察到。其次... 作为食品计算的一个主要任务,食品图像检索近年来受到了广泛的关注。然而,食品图像检索面临着两个主要的挑战。首先,食品图像具有细粒度的特点,这意味着不同食品类别之间的视觉差异可能很小,这些差异只能在图像的局部区域中观察到。其次,食品图像包含丰富的语义信息,如食材、烹饪方式等,这些信息的提取和利用对于提高检索性能至关重要。为解决这些问题,本实验基于预训练的视觉Transformer(Vision Transformer,ViT)模型提出了一种增强ViT的哈希网络(enhanced ViT hash network,EVHNet)。针对食品图像的细粒度特点,EVHNet中设计了一个基于卷积结构的局部特征增强模块,使网络能够学习到更具有代表性的特征。为更好地利用食品图像的语义信息,EVHNet中还设计了一个聚合语义特征模块,根据类令牌特征来聚合食品图像中的语义信息。本实验提出的EVHNet模型在贪婪哈希、中心相似量化和深度极化网络3种流行的哈希图像检索框架下进行评估,并与AlexNet,ResNet50、ViT-B_32和ViT-B_164种主流网络模型进行比较,在Food-101、Vireo Food-172、UEC Food-2563个食品数据集上的实验结果表明,EVHNet模型在检索精度上的综合性能优于其他模型。 展开更多
关键词 食品图像检索 食品计算 哈希检索 VisionTransformer网络 深度哈希学习
下载PDF
基于伪成对标签的深度无监督哈希学习 被引量:5
3
作者 林计文 刘华文 《模式识别与人工智能》 EI CSCD 北大核心 2020年第3期258-267,共10页
无监督的深度哈希学习方法由于缺少相似性监督信息,难以获取高质量的哈希编码.因此,文中提出端到端的基于伪成对标签的深度无监督哈希学习模型.首先对由预训练的深度卷积神经网络得到的图像特征进行统计分析,用于构造数据的语义相似性标... 无监督的深度哈希学习方法由于缺少相似性监督信息,难以获取高质量的哈希编码.因此,文中提出端到端的基于伪成对标签的深度无监督哈希学习模型.首先对由预训练的深度卷积神经网络得到的图像特征进行统计分析,用于构造数据的语义相似性标签.再进行基于成对标签的有监督哈希学习.在两个常用的图像数据集CIFAR-10、NUS-WIDE上的实验表明,经文中方法得到的哈希编码在图像检索上的性能较优. 展开更多
关键词 哈希学习 深度无监督哈希学习 伪标签 近似最近邻搜索 图像检索
下载PDF
深度学习哈希综述 被引量:2
4
作者 沈琳 林劼 江育娥 《小型微型计算机系统》 CSCD 北大核心 2020年第10期2082-2091,共10页
深度学习哈希技术将哈希方法与深度学习技术相结合,获得原始数据的特征表示以及语义信息,进而得到数据的二进制哈希码.深度学习哈希方法被广泛应用于图像检索、文本检索以及视频检索等领域,并取得了瞩目成果.本文首先对深度学习哈希方... 深度学习哈希技术将哈希方法与深度学习技术相结合,获得原始数据的特征表示以及语义信息,进而得到数据的二进制哈希码.深度学习哈希方法被广泛应用于图像检索、文本检索以及视频检索等领域,并取得了瞩目成果.本文首先对深度学习哈希方法的研究进展以及方法的基本框架进行了介绍;然后详细阐述了深度学习哈希方法的多种目标函数项,包括重构误差、位平衡、位独立、哈希约束、参数正则化和稀疏性限制等;并根据样本标签的个数(无标签/单标签/多标签)以及输入形式(单样本/二元组/多元组)对该方法进行分类;最后总结了现有深度学习哈希方法的不足以及未来的发展方向. 展开更多
关键词 近似最近邻搜索 深度学习哈希 深度学习 哈希方法 目标函数
下载PDF
深度学习哈希研究与发展 被引量:3
5
作者 孙瑶 《数据通信》 2018年第2期49-54,共6页
在很多实际应用中,如何查找到最相似的近邻数据是计算机学科中的一个基础研究内容,而由于数据集规模的迅速增长,直接比较查询的计算复杂度极高,所需要的存储空间也极大,因此基于哈希技术的近似最近邻查询成为了一个研究热点。哈希学习... 在很多实际应用中,如何查找到最相似的近邻数据是计算机学科中的一个基础研究内容,而由于数据集规模的迅速增长,直接比较查询的计算复杂度极高,所需要的存储空间也极大,因此基于哈希技术的近似最近邻查询成为了一个研究热点。哈希学习技术通过将数据映射成二进制编码的形式,显著减少了数据的存储开销以及计算复杂度,有效提高了大规模数据集下的检索效率。近年来,由于深度学习在特征提取上优异的表现,基于深度学习的哈希方法在数据检索中取得了显著的进展。本文分析了深度学习哈希的主要方法和研究进展,对深度学习哈希进行了介绍,并提出了其未来的研究方向。 展开更多
关键词 大规模数据检索 近似最近邻查询 深度学习哈希
下载PDF
深度优先局部聚合哈希 被引量:2
6
作者 龙显忠 程成 李云 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第6期58-66,共9页
已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚... 已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CIFAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11%,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2%. 展开更多
关键词 深度哈希学习 卷积神经网络 图像检索 局部聚合描述子向量
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部