1. 研究目的与意义、国内外研究现状（文献综述）
随着信息技术的发展和互联网的普及，特别是随着facebook、微博、微信等社交网站与社交软件的流行，图像数据每天都按惊人的速度大量被创造。由相关资料显示，facebook的用户每月上传超过10亿张图片，而已经注册的用户超过了10亿；国内的新浪每天的微博更新条数也超过了一亿。除此之外各种图像获取设备普及也使大量的图像数据被收集。如何管理与检索大量的图像数据是值得研究的问题。图像检索在计算机视觉和模式识别中是研究热点，然而传统图像检索算法所需的计算量很大。近年来，基于哈希的图像检索得到了广泛关注。
越来越多的多模态数据可用于许多应用，特别是在多媒体领域。如何利用这种多模态数据进行跨视角相似性搜索已经成为一个具有挑战性但有趣的研究问题。
哈希检索按照对象的类型分为单模态检索和多模态检索。
2. 研究的基本内容和问题
1.研究目标
阅读图像检索文本、文本检索图像的跨模态哈希检索的相关文献，了解相关算法，对主要算法进行理解和代码实现。
在此基础上，加入自己的思考，以提高平均正确率均值为目标进行算法改进。
3. 研究的方法与方案
1.研究方法
调查法，查询大量资料，学习相关知识。文献研究法，阅读相关文献，学习相关理论知识和常识，理解算法原理和使用方法；实验法，对算法使用开源数据集进行试验；经验总结法，根据试验数据加以归纳和分析，得出结论。多观察思考，找出算法改进方法。
2.技术路线
4. 研究创新点
在正交投影学习的语义关联最大化（SCM-Orth）和非正交投影顺序学习的语义关联最大化(SCM-Seq)等已有跨模态哈希检索算法的基础上，加入自己的思考，以提高平均正确率均值为目的做出算法改进。
对各个算法进行实验比较和分析，比较和验证算法的优劣性和特点。
5. 研究计划与进展
查询资料，自学图像处理与识别的相关基础知识；查阅资料，研读论文，交流分析、理解上述算法；学习MATLAB的使用；了解开源数据集结构与用法；使用MATLAB进行代码实践编写；使用开源数据集进行训练；使用开源数据集进行测试，按计划测出所需数据；整理数据，分析数据；用MATLAB编写测试可执行程序；编写毕业论文。
查询资料，自学图像处理与识别的相关基础知识，研读论文，交流分析、理解上述算法预计从1月至2月初；学习MATLAB的使用，了解开源数据集结构与用法，使用MATLAB进行代码实践编写，使用开源数据集进行训练预计从2月至3月初；深入理解算法，加入自己的思考，以提高mAP为目的，对算法提出改进并实现，预计3月到4月；实验对比分析，论文撰写预计三周。
