图卷积网络哈希用于跨模态检索

基于深度网络的跨模式检索最近取得了重大进展。 但是,缩小模态差距以进一步提高检索准确性仍然是关键的瓶颈。 在本文中,我们提出了一种图卷积哈希(GCH)方法,该方法通过一个亲和度图学习模态统一的二进制代码。 端到端的深度架构由三个主要组件构成:语义编码器模块,两个特征编码网络和图卷积网络(GCN).Wedesignasemanticencoderasa教师模块指导语义的特征编码过程(即学生模块)信息开发。 此外,利用GCNi来探索数据点之间的固有相似性结构,这将有助于生成可区分的哈希码。 在三个基准数据集上进行的大量实验表明,所提出的GCH优于最新方法。