论文：A Deep Hashing Technique for Remote Sensing Image-Sound Retrieval

最新推荐文章于 2024-09-07 21:36:31 发布
最新推荐文章于 2024-09-07 21:36:31 发布
阅读量406 收藏
点赞数
文章标签： 神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gegeai5/article/details/106378922
版权

论文：A Deep Hashing Technique for Remote Sensing Image-Sound Retrieval

跨模态图像语音哈希检索

关于网络结构

使用了三元组网络，对于anchor图片使用VGG16提取deep feature,对于pos和neg语音使用MFCC提取deep feature。两种网络都增加了全连接层+sigmoid,以及全连接层+tanh的结构来获取hash-like特征。（hash的提取使用sign函数）
在这里插入图片描述

关于负样本采样

通过距离公式计算难语音样本集，在集合中，随机取样neg。
在这里插入图片描述

关于损失函数

由三部分构成，一部分是hash-like triplets,一部分是hash-like与hash的距离，一部分是deep feature的triplet，三部分加权和构成损失函数。

使用hash特征近似化后，取hash-like值计算的triplet loss，用来使正样本对靠近，负样本对远离。
在这里插入图片描述

用来使得hash-like与hash值之间的靠的更近，因为二值

最低0.47元/天 解锁文章
gegeai5
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
论文阅读积累：Deep Hashing Learning for Visual and Semantic Retrieval of Remote Sensing Images
gegeai5的博客
07-11 583
论文阅读积累：Deep Hashing Learning for Visual and Semantic Retrieval of Remote Sensing Images 摘要 该论文介绍了一种深度哈希方法来进行遥感图像的检索。为了提高检索精度采用了将检索和分类同时进行的一种网络学习方法。再次基础上，设计了一种新的损失函数形式。 网络结构 实现 哈希检索 在VGG-F第七层全连接层后添加了一个用于学习哈希函数的全连接层得到hash-like code,之后使用sgn()函数进行二值化得到哈希吗。这里使
关于hashing
jiaomeng
02-16 1万+
The most important techniques behind Yahoo! are: hashing, hashing and hashing!——前雅虎首席科学家Udi Manber 计算机科学中的一类基本问题是如何在内存中找到一段指定的信息（a “key”），这类问题常常被称为字典问题（dictionary problem）。对这类问题可以提出很多解决方案，但考虑的
[好文翻译]用于遥感图像检索聚集的深度局部特征
lan_cz的博客
04-27 1933
由于遥感影像的特殊性，遥感影像检索仍然是一个具有挑战性的话题。遥感图像包含各种不同的语义对象，这显然使检索任务复杂化。在本文中，我们提出了一种图像检索流程，该流程使用了细心的局部卷积特征，并使用局部聚集描述符向量（VLAD）对其进行了聚集，以生成全局描述符。我们研究各种系统参数，例如乘法和加法注意力机制和描述符维数。我们提出了一种不需要外部输入的查询扩展方法。实验表明，即使不进行训练，局部卷积特征和全局表示也优于其他系统。经过系统调整之后，我们可以获得最先进的或具有竞争力的结果。此外，我们观察到，我们的查询
DeepMatching文献总结：图像拼接、图像匹配、图像检索
沈春旭的博客
07-31 1万+
1. 导读 结合（卷积）神经网络的测度学习，适用于图像拼接image stitching、图像立体匹配 image stereo matching、图像检索image retrieval。 当前三个方向都非常火热，落地项目也很多。 文献主要来源于实验室师兄galad-loth维护的DeepMatching：https://github.com/galad-loth/DeepMatch。因为我也...
Partial Randomness Hashing for Large-Scale Remote Sensing Image Retrieval
02-08
为了解决现有哈希技术的这些不足，研究者提出了名为部分随机性哈希（Partial Randomness Hashing，PRH）的一种新颖的散列学习方案。该方案的核心思想是在构造哈希函数时，将模型参数值的一部分随机生成，而其余部分...
hashing-baseline-for-image-retrieval-master
12-27
"hashing-baseline-for-image-retrieval-master"项目就是一个专注于哈希算法在图像检索应用中的基准实现。 哈希算法是信息检索和数据存储的基础工具，它能够将任意大小的数据映射到固定长度的哈希值，通常是一个短...
Deep Semantic Ranking Based Hashing for Multi-Label Image Retrieval
yinsuiqiang5136的博客
08-23 1662
摘要 这篇paper提出了一种基于深度语义排序的方法来学习hash function，从而保证生成的hash code与多标签图像之间的多层次语义相似。该方法 中采用deep convolutional neural network来学习哈希函数，特征表示以及保持hash code与feature representations之间一致性，从而避免了用手动设计特征进行图像语义表示的限制；此外，采...
近期所读英文论文统计
qq_45943487的博客
11-23 246
PyTorch学习
图像检索哈希算法综述
qq_31293215的博客
05-07 1万+
本文主要参考自：Hashing Techniques: A Survey and Taxonomy LIANHUA CHI, IBM Research, Melbourne, Australia XINGQUAN ZHU, Florida Atlantic University, Boca Raton, FL; Fudan University, Shanghai, China 面向数据的主要...
Deep Learning of Binary Hash Codes for Fast Image Retrieval
yinsuiqiang5136的博客
08-24 761
摘要 当数据label可用时，采深度网络来学习binary code，同时来表示图像深度表示特征。与其他基于pair-wise的方法不一样，该方法采用point-wise的思想。实验表明该方法在CIFAR-10 和 MNIST是state-of-the-art。同时在1百万张衣服图片的大规模数据集中验证该方法的可扩展性和有效性。 本文的思路和主要工作 有些基于pair-wise的方法通常使用...
研读Deep Semantic Ranking Based Hashing for Multi-Label Image Retrieval
u013951802的博客
08-01 1129
论文作者为Fang Zhao Yongzhen Huang Liang Wang Tieniu Tan Center for Research on Intelligent Perception and Computing Institute of Automation, Chinese Academy of Sciences 这是一篇研究多层语义的文章，在这之前大多数的哈希方法并没有关注这一点...
PHYSICAL STRUCTURES
lionzl的专栏
07-31 1147
PHYSICAL STRUCTURES "You have a point there," said Trurl,"We will have to figure some way around that......Themain thing, however, is the algorithm." "Any child knows that! What's abeast without an
关系抽取（分类）总结【转载】
热门推荐
微澜同学
05-10 3万+
366 次阅读关系抽取(分类)总结文章目录基本介绍Fully Supervised Learning相关文献总结1Distant Supervised Learning相关文献总结2附2018.04.04更新：z增加对NYT+Freebase数据集的两个版本的说明对近几年(到2017)一些关系抽取/分类(Relation Extraction)的部分文献的一个简单总结。基本介绍基本定义关系抽取: ...
图像检索Image Retrieval相关算法汇总
Puremelo
09-26 9555
乘积量化PQ（Product Quantization）： PQ算法将D维空间切分为M个D/M维的子空间：假设现得到每张图片特征向量维度为128维，共256张图片。为了加速距离运算，现将128维向量切分成8段，如下图所示。 分别在每一段所表示的子空间中进行K-means聚类，之后在每一段中用距离该段内距离最近的聚类中心的编号来作为索引值，即每一个128维向量被压缩为8个索引值表示的向量。...
论文浅尝｜简单高效的知识图谱表示学习负样本采样方法
开放知识图谱
07-24 3245
笔记整理 | 陈名杨，浙江大学在读博士生，主要研究方向为知识图谱表示学习Introduction研究知识图谱表示学习（KnowledgeGraph Embedding）可以解决当前很多应用...
图像检索系列一：Deep Learning of Binary Hash Codes for Fast Image Retrieval
眼观
11-23 9779
这篇文章的想法很巧妙，在一个深层CNN的最后一个全连接层（fc8）和倒数第二个全连接层（fc7）之间加了一层全连接隐层，就是图一中绿色的latent layer （H）。这样一来，既可以得到深层的CNN特征，文中主要用的是fc7的特征，还可以得到二分的哈希编码，即来自H。这个隐层H不仅是对fc7的一个特征概括，而且是一个连接CNN网络的中层特征与高层特征的桥梁。
机器学习-神经网络：循环神经网络（RNN）详解
最新发布
loveting99的博客
09-07 502
循环神经网络（RNN）及其变种在深度学习领域中扮演着至关重要的角色。其设计初衷是为了处理时序数据和序列数据，这使得它们在许多应用场景中表现卓越。
SAL-Hashing:自适应线性散列优化固态硬盘性能
本文提出了一个名为自适应线性散列（SAL-Hashing）的优化方案，旨在解决这一问题。 SAL-Hashing的主要创新在于以下几个方面： 1. 桶的组织优化：将存储桶划分为组和集合，通过粗粒度写入和延迟分割策略，减少了对...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值