自注意力相似度迁移跨模态哈希网络

为进一步提升跨模态检索性能，提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息，并使用共同注意力方法加强模态信息交互，提高特征学习质量；为在哈希空间重构相似关系，采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希（DCMH）、成对关系引导的深度哈希（PRDH）、跨模态汉明哈希（CMHH）等优秀方法进行对比实验，结果显示哈希码长度为64 bit的条件下，所提模型在3个数据集图像检索文本任务的平均精确度均值（MAP）达到72.3%，文本检索图像任务的MAP达到70%，高于对比方法。