Cross-modal recipe retrieval method based on modality semantic enhancement

Cross-modal recipe retrieval method based on modality semantic enhancement
Li Ming1
Zhou Dong2
Lei Fang1
Cao Buqing1
1. School of Computer Science & Engineering, Hunan University of Science & Technology, Xiangtan Hunan 411100, China
2. School of Information Science & Technology, Guangdong University of Foreign Studies, Guangzhou 510006, China

摘要

Effectively representing features of modalities is a hot issue in cross-modal recipe retrieval. The current methods generally adopt two independent neural networks to extract the features of images and recipes respectively, achieving retrieval through cross-modal alignment. However, these methods mainly focus on the intra-modal information and ignore the inter-modal interactions, resulting in the loss of some effective modality information. To address the problem, a cross-modal recipe retrieval method is proposed to enhance modality semantics through multimodal encoders. First, using a pre-trained model to extract initial semantic features of images and recipes and utilizing modality alignment to reduce the inter-model differences. Second, employing the pairwise cross-modal attention to repeatedly reinforce the features of one modality by using features from another modality, extracting valid information. Third, using the self-attention mechanism to modal the internal features of modalities to capture rich modality-specific semantic information and potential associations. Finally, introducing the triplet loss to minimize the distance between similar samples, achieving cross-modal retrieval learning. Experimental results on Recipe 1M dataset show that the proposed approach outperforms the current mainstream methods in terms of median ranking (MedR) and recall rate at top K (R@K) , providing a powerful solution for cross-modal retrieval tasks.

基金项目

国家自然科学基金资助项目(62376062)
广东省哲学社会科学"十四五"规划项目(GD23CTS03)
广东省自然科学基金资助项目(2023A1515012718)
湖南省自然科学基金资助项目(2022JJ30020)

出版信息

DOI: 10.19734/j.issn.1001-3695.2023.07.0350
出版期卷: 《计算机应用研究》 Accepted Paper, 2024年第41卷 第4期

发布历史

[2023-11-01] Accepted Paper

引用本文

李明, 周栋, 雷芳, 等. 基于模态语义增强的跨模态食谱检索方法 [J]. 计算机应用研究, 2024, 41 (4). (2023-12-13). https://doi.org/10.19734/j.issn.1001-3695.2023.07.0350. (Li Ming, Zhou Dong, Lei Fang, et al. Cross-modal recipe retrieval method based on modality semantic enhancement [J]. Application Research of Computers, 2024, 41 (4). (2023-12-13). https://doi.org/10.19734/j.issn.1001-3695.2023.07.0350. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊