Resumen

En los últimos años, el aprendizaje de hashing ha recibido una atención creciente en la recuperación supervisada de vídeos. Sin embargo, la mayoría de los enfoques de hashing de vídeo supervisado existentes diseñan funciones hash basadas en la similitud de pares o en las relaciones triples y se centran en la información local, lo que resulta en una baja precisión de recuperación. En este trabajo, proponemos un nuevo marco supervisado denominado hashing de libro de códigos discriminativo (DCH) para la recuperación de vídeos a gran escala. El DCH propuesto anima a las muestras de la misma categoría a converger en la misma palabra clave y maximiza las distancias mutuas entre las diferentes categorías. En concreto, primero proponemos el libro de códigos discriminativo a través de una distancia predefinida entre palabras de código y distribuciones Bernoulli para manejar cada bit de hash. A continuación, utilizamos la divergencia compuesta de Kullback-Leibler (KL) para alinear las estructuras de vecindad entre el espacio de alta dimensión y el espacio de Hamming. El DCH propuesto se optimiza mediante el algoritmo de descenso de gradiente. Los resultados experimentales en tres conjuntos de datos de vídeo ampliamente utilizados verifican que nuestro DCH propuesto funciona mejor que varios métodos del estado de la técnica.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:propuesta de dch, novedoso marco supervisado, recuperación de vídeo supervisada, algoritmo de descenso de gradiente, baja precisión de recuperación, recuperación de vídeo a escala, conjuntos de datos de vídeo utilizados, llamado libro de códigos discriminativo, función hash de diseño, enfoque de diseño hash
• Keywords:proposed dch, novel supervised framework, supervised video retrieval, gradient descent algorithm, low retrieval accuracy, scale video retrieval, used video datasets, called discriminative codebook, design hash function, approach design hash