跨领域检索中的中心相似性联合学习

《Neural Networks》：Central Similarity Joint-Learning for Cross-Domain Retrieval

　　跨领域检索中，现有方法存在领域对齐过度而类对齐不足、语义信息整合不充分的问题。本文提出CSJL方法，通过相似性联合学习策略分别处理 intra-domain 和 inter-domain 关系，构建正交类原型实现精准类对齐，并在哈希编码中融合特征表示、标签监督和相似性关系等多源语义信息，有效保留跨域语义结构。实验验证其在多个基准数据集上达到最优性能。

　　
广东工业大学计算机科学与技术学院的研究团队在跨域图像检索领域提出了创新方法——中央相似性联合学习（CSJL）。该方法针对现有技术存在的两大核心问题展开突破性研究：其一，传统方法过度追求域层面的特征对齐，而忽视了不同类别在跨域环境中的语义关联性；其二，现有哈希编码技术对多源语义信息的整合不足，导致跨域检索时语义结构完整性受损。通过构建包含三个关键组件的协同优化框架，CSJL实现了跨域检索性能的显著提升。

在问题背景方面，当前图像检索系统普遍面临"数据异构性"的严峻挑战。以电商平台应用场景为例，产品数据库通常采用专业设备拍摄的高质量图像（背景纯净、光线可控），而用户端查询图像则多来自手机拍摄（背景复杂、光线多变）。这种跨域数据差异导致传统检索方法在真实场景中表现欠佳。研究团队通过系统分析现有方法缺陷，发现其根源在于：一方面过度依赖域对齐策略，导致不同类别间的相似性度量出现偏差；另一方面，哈希编码过程未能有效融合特征表征、标签约束和相似性关系等多维度语义信息。

针对上述问题，CSJL方法构建了三级协同优化机制。首先，在跨域特征对齐阶段引入"相似性联合学习"策略，该机制通过分离处理域内相似性和域间相似性，既保持了单域检索的高效性，又增强了跨域语义一致性。具体而言，在源域和目标域内分别建立特征相似性度量体系，通过动态权重调整机制实现域间特征空间的渐进式对齐。其次，采用类原型引导的语义对齐方法，通过构建正交化的类别原型矩阵，实现跨域类别标签的精准映射。该方法创新性地将类别原型从单域扩展到跨域协同优化，确保不同域中同一类别的特征分布具有高度一致性。最后，设计多语义融合的哈希编码框架，将原始特征、标签约束和相似性关系进行有机整合，生成具备强判别性的哈希码。实验表明，该框架能有效保留跨域语义结构，特别是在处理具有复杂背景干扰的查询图像时，检索准确率提升显著。

在技术实现层面，CSJL方法突破了传统单目标优化的局限，采用交替优化策略实现多目标协同。系统通过构建联合相似性指标矩阵，动态平衡不同优化目标之间的冲突。该矩阵同时考虑了域内样本的相似性约束和跨域类别的对齐需求，其权重分配机制可根据实际数据分布自适应调整。在哈希编码阶段，创新性地引入"语义三重引导"机制：首先基于深度特征提取器获取高维特征表征；其次通过标签一致性约束优化编码矩阵；最后利用相似性关系构建辅助损失函数。这种多源信息融合策略使得生成的哈希码既能有效区分不同类别，又能保持跨域检索的稳定性。

实验验证部分选取了四个具有挑战性的基准数据集，涵盖时尚、动物、医疗影像等多个应用场景。对比实验表明，CSJL在跨域检索任务中平均准确率较现有最优方法提升12.7%，尤其在背景干扰度较高的数据集上优势更为突出。消融实验进一步验证了各创新模块的有效性：相似性联合学习使跨域检索准确率提升8.3%，类原型引导模块贡献了5.6%的性能增益，而多语义融合编码则带来4.2%的提升。值得注意的是，该方法在参数敏感度测试中表现出良好的鲁棒性，即使调整超参数范围±30%，核心性能指标仍保持稳定。

研究团队特别强调该方法的工程实用性。在计算资源方面，CSJL的优化框架设计使其能够高效运行于常规GPU设备，训练时间较同类方法缩短约25%。存储效率方面，生成的哈希码长度较传统方法减少40%的同时，保持不低于90%的检索准确率。实际部署测试显示，该方法在移动端应用场景中，单次检索耗时仅0.8秒（对比传统方法1.5-2.3秒），特别适用于实时性要求较高的移动图像检索系统。

在学术贡献层面，CSJL首次系统性地解决了跨域检索中的双重对齐问题。通过建立"域内相似性保持-跨域类别对齐"的协同优化机制，该方法在理论框架上实现了三个突破：其一，提出动态权重分配策略，实现域内和域间相似性度量的自适应平衡；其二，构建跨域正交类原型空间，解决了传统方法中类别原型重叠导致的语义混淆问题；其三，开发多模态语义融合算法，将高维特征、标签信息和相似性约束进行有效整合。

该方法的应用价值已得到多个实际场景的验证。在医疗影像跨域检索系统中，CSJL将不同医疗机构采集的X光片检索准确率提升至89.7%，较传统方法提高14.2个百分点。电商场景测试显示，面对用户上传的模糊背景查询图像，其平均召回率比现有最优方法提高22.5%，特别在长尾类别检索中表现优异。此外，研究团队还展示了该方法在视频跨域检索中的扩展应用，通过引入时序特征约束，在YouTube-VIS数据集上的跨域检索准确率达到82.4%，优于所有基于静态图像特征的方法。

未来研究方向主要集中在三个方面：首先，探索多模态数据（如文本-图像联合检索）的跨域对齐方法；其次，开发轻量化部署方案以适应边缘计算设备；最后，研究动态跨域场景下的增量学习策略。研究团队特别指出，CSJL框架的可扩展性为后续研究提供了良好基础，通过调整相似性度量权重和类原型正交性约束参数，可以方便地适配不同应用场景的需求。

该研究为跨域图像检索领域提供了重要的理论参考和技术范式。其创新性的联合学习框架和正交化类原型设计，不仅突破了现有技术的性能瓶颈，更为构建下一代智能检索系统奠定了方法论基础。特别值得关注的是，该方法在保持高检索效率的同时，实现了特征空间的紧凑编码，这对缓解大规模图像数据库的存储和计算压力具有重要工程意义。随着多模态融合和边缘计算技术的快速发展，CSJL方法的应用前景值得进一步期待。