基于模态特定和共享生产对抗网络的跨模态检索方法

成果名称

基于模态特定和共享生产对抗网络的跨模态检索方法

成果联系人

吴飞

职称

副教授

所在单位

自动化学院、人工智能学院

联系电话

Email

wufei_8888@126.com

技术成熟度

基本原理

技术分类

信息应用

核心专利号

所属学科方向

一级学科

计算机科学与技术

二级学科

计算机应用技术

应用行业

互联网

项目概况：

由2020年下半年互联网网络信息中心发表的第46次《中国互联网络发展状况统计报告》可知：2020年的上半年我国网民规模达9.4亿，互联网普及率达到67%，当今社会已经全面进入了大数据时代。电商直播、短视频软件以及新闻网站等每时每刻都在产生海量的数据，这些数据通常具有数据量大、数据源广泛、数据增长速度快、数据模态种类多等特点。以互联网新闻为例，通常包括文字介绍，照片，视频和音频的报道。文本、图像、视频、音频等多模态数据虽然数据形式不同，但反映的是同一信息，人们可以从多个角度去高效地获取同一信息的多个不同方面。

随着数据量的增大，用户获取这些多模态信息的成本也在增加，信息检索受到越来越多人的关注。用户不仅仅需要单一模态数据之间地检索，检索需要更加灵活多变，例如从文本模态去检索视频模态的数据。跨模态检索指的是输入任意一种模态的查询数据，检索并输出与被查询数据语义相关联的其它模态的数据，更加符合大数据时代的要求。

图1. 图像-文本跨模态检索示意图

关键技术：

现有跨模态检索方法大多侧重于模态共享信息的挖掘，将不同模态的数据映射到一个公共空间中，以获得公共的表示，而没有考虑模态特定信息的挖掘和利用。针对该问题，本研究团队提出了一种新的跨模态检索方法，即模态特定和共享生成对抗网络。该项工作的意义在于：（a）采用两个前馈网络学习每个模态的模态特定特征，然后使用一个公共子网络学习模态共享特征。学习的模态特定特征表示与共享特征表示相结合以进行检索。（b）网络训练采用对抗学习机制。生成模型用标签信息对模态间和模态内的相似性进行建模，并确保特定和共享特征之间的差异；判别模型对模态共享特征的模态属性进行分类，以提升模态不变性。（c）在多个公开的多模态数据集上的实验结果（检索精度）表明，该方法的性能优于相关的研究工作。该项成果发表于Pattern Recognition期刊。

图2. 模态特定和共享生成对抗网络架构图

应用领域和市场前景：

随着互联网多模态数据的大量出现和传播，“管不住”和“用不好”两大问题也日益突出。“管不住”是指多模态大数据中隐藏着大量涉恐、涉暴等有害信息，极大地危害着国家安全和社会稳定，目前还缺乏有效的自动的分析与识别技术。“用不好”是指现有技术主要是单模态分析与识别，仅针对信息有限的单模态数据，难以对多模态数据进行有效利用。如何让计算机看懂世界，实现对互联网多模态大数据的有效监管与利用，是目前急需解决的重大问题。所设计模型能够有效提升跨模态检索精度，可用于涉及多媒体计算的多种应用场景。

合作方式（技术转让，技术开发，技术服务，技术咨询，技术入股）：

技术开发

技术服务