论文笔记：Deep Hashing Network for Efficient Similarity Retrieval

论文笔记： Deep Quantization Network for Efficient Image Retrieval

灵魂三问

论文提出的问题

由于quantization error， 哈希编码将不能准确地表达特征

论文做了什么？

1. 用多池化层卷积神经网络，来表达图片
2. 用全连接的哈希层来生成二进制哈希编码
3. 用相应的交叉熵层来学习相似性
4. 用配对的量化损失来控制哈希质量

论文达到了什么效果？

通过在标准的哈希检索数据集上的实验，文中的方法超过了最新的哈希方法。

深度哈希网络 Deep Hashing Network

相似检索通常是给一系列为N个点的的数据集 { x i } i = 1 N \left\{\boldsymbol{x}_{i}\right\}_{i=1}^{N} { xi​}i=1N​， 其中每一个点都是一个D维的特征向量$\mathbf{x}\in {\mathbb{R}}^D$

所以我们的目标就是找一个非线性的哈希函数 f : x ↦ h ∈ { − 1 , 1 } K f: \boldsymbol{x} \mapsto \boldsymbol{h} \in\{-1,1\}^{K} f:x↦h∈{ −1,1}K来编码，将每一个$x$编码成一个K-比特的哈希码。其中 S = { s i j } \mathcal{S}=\left\{s_{i j}\right\} S={ sij​}通常由语义来构建。

所以整个结构以配对$\left({\mathbf{x}}_i,{\mathbf{x}}_j,s_{ij}\right)$的形式作为输入。

模型

作者从Alexnet网络开始，作者将AlexNet网络中全连接层 fc8换成了 fch层，包括了K个隐形单元，也就是将fc7层转换为了一个K维的哈希编码。并把这一层的输出结果叫做$z_i^8$也就是第八层的输出，也就是哈希编码。

作者将输出挤压到$[-1,1]$上，通过hyperbolic tangent(tanh)函数。

这个文章中，作者使用了pairwise-relationship，以及在Bayesian框架下控制了量化差异。

我们用汉明距离（Hamming distance）表示两个二进制编码的距离${\mathrm{dist}}_H\left({\mathbf{h}}_i,{\mathbf{h}}_j\right)=\frac{1}{2}\left(K-⟨{\mathbf{h}}_i,{\mathbf{h}}_j⟩\right)$

我们用MLP最大似然估计估计$H$, 也就是MAP 估计
$$\begin{array}{r}\log p(\mathbf{H}\end{array}$$