文献类型：期刊文章

作　　者：侯腾达[1] 金冉[1,2] 王晏祎[1] 蒋义凯[1]

HOU Tengda;JIN Ran;WANG Yanyi;JIANG Yikai(College of Big Data and Software Engineering,Zhejiang Wanli University,Ningbo,Zhejiang 315100,China;College of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China)

机构地区：[1]浙江万里学院大数据与软件工程学院,浙江宁波315100 [2]浙江大学计算机科学与技术学院,杭州310027

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61472348,61672455);教育部人文社科项目(17YJCZH076);浙江省基础公益研究计划(LGF18F020001,LGF21F020022);宁波市自然科学基金(202003N4324);国家级大学生创新创业训练计划(202110876014)。

年　　份：2022

卷　　号：58

期　　号：24

起止页码：61-72

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：近年来,各种类型的媒体数据,如音频、文本、图像和视频,在互联网上呈现爆发式增长,不同类型的数据通常用于描述同一事件或主题。跨模态检索提供了一些有效的方法,可以为任何模态的给定查询搜索不同模态的语义相关结果,使用户能够获得有关事件/主题的更多信息,从而达到以一种模态数据检索另外一种模态数据的效果。随着数据检索需求以及各种新技术的发展,单一模态检索难以满足用户需求,研究者提出许多跨模态检索的技术来解决这个问题。梳理近期跨模态检索领域研究者的研究成果,简要分析传统的跨模态检索方法,着重介绍近五年研究者提出跨模态检索方法,并对其性能表现进行对比;总结现阶段跨模态检索研究过程中面临的问题,并对后续发展做出展望。

关 键 词：跨模态检索  子空间学习 深度学习  跨模态哈希  

分 类 号：TP391.3]