Hybrid SOM based cross-modal retrieval exploiting Hebbian learning

Parminder Kaur*, Avleen Kaur Malhi, Husanbir Singh Pannu

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

6 Sitaatiot (Scopus)

Abstrakti

Lately, cross-modal retrieval has attained plenty of attention due to enormous multi-modal data generation every day in the form of audio, video, image, and text. One vital requirement of cross-modal retrieval is to reduce the heterogeneity gap among various modalities so that one modality's results can be efficiently retrieved from the other. So, a novel unsupervised cross-modal retrieval framework based on associative learning has been proposed in this paper where two traditional SOMs are trained separately for images and collateral text and then they are associated together using the Hebbian learning network to facilitate the cross-modal retrieval process. Experimental outcomes on a popular Wikipedia dataset demonstrate that the presented technique outshines various existing state-of-the-art approaches.

AlkuperäiskieliEnglanti
Artikkeli108014
Sivut1-18
Sivumäärä18
JulkaisuKNOWLEDGE-BASED SYSTEMS
Vuosikerta239
DOI - pysyväislinkit
TilaJulkaistu - 5 maalisk. 2022
OKM-julkaisutyyppiA1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä

Sormenjälki

Sukella tutkimusaiheisiin 'Hybrid SOM based cross-modal retrieval exploiting Hebbian learning'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä