图像检索1：LSH(Learning to Hash with its Application to Big Data Retrieval)

最新推荐文章于 2023-01-04 16:31:08 发布

微风❤水墨

最新推荐文章于 2023-01-04 16:31:08 发布

阅读量1.2k

点赞数 1

分类专栏：图像检索文章标签： Hash BigData

本文链接：https://blog.csdn.net/lilai619/article/details/45364861

版权

图像检索专栏收录该内容

11 篇文章 3 订阅

订阅专栏

Learning to Hash with its Application to Big Data Retrieval

课程结课作业，所以简单的介绍了LSH（局部敏感哈希）
主要分以下几部分内容

      1.Nearest Neighbor Search (Retrieval)
      2.Two Stages of Hash Function Learning
      3.Hash Fuction
      4.LSH
      5.Application
      6.Evaluation

资源获取链接：

1.http://download.csdn.net/detail/lilai619/8865113（PPT）

2.http://wenku.baidu.com/view/ba044253ad51f01dc281f1e8（PPT）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

微风❤水墨

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

基于GIST特征和位置敏感哈希算法LSH实现图像检索（附带Matlab代码）

带你成为别人眼中的大佬！

09-11

224

GIST（Generic Intelligent Scenery Textures）特征是一种用于图像表示的低维向量表示方法，它通过对图像的全局统计特征进行建模来描述图像的场景信息。在图像检索中，我们可以将GIST特征作为高维数据，利用LSH算法来加速相似图像的检索。在本文中，我们将介绍一种基于GIST特征和位置敏感哈希算法（LSH）的图像检索方法，并提供相应的Matlab代码实现。通过这种基于GIST特征和LSH算法的图像检索方法，我们能够快速找到与查询图像相似的图像。函数来提取图像的GIST特征，

基于Gist特征和位置敏感的哈希算法LSH实现图像检索

最新发布

带你成为别人眼中的大佬！

06-28

192

LSH（Locality Sensitive Hashing）是一种快速图像检索的技术，它采用了哈希函数的思想，将相似的图像映射到相同的哈希桶中，从而实现快速查找。综上所述，本文介绍了一种基于Gist特征和位置敏感哈希算法LSH实现图像检索的方法，并提供相应的MATLAB代码。最后，我们可以通过输入图像的Gist特征，计算出对应的哈希值，并在哈希桶中查找相似的图像。本文将介绍一种使用Gist特征与位置敏感哈希算法LSH实现图像检索的方法，并提供相应的MATLAB代码。

参与评论您还未登录，请先登录后发表或查看评论

LSH 图像检索

08-10

the code from net,share with you: 获取图像库里所有图片文件的名称 Blue hills.jpg Lena.jpg myhand1.jpg myhand2.jpg Sunset.jpg Test2.jpg Test3.JPG Water lilies.jpg Winter.jpg 获取图像特征 0 36 82 115 132 164 200 142 129 119 54 1 198 141 101 64 43 65 124 200 197 186 2 104 40 25 34 81 88 56 108 131 199 3 142 56 43 61 117 121 107 160 120 200 4 46 67 80 104 200 193 90 66 59 43 5 121 110 141 149 200 195 171 144 123 116 6 99 125 116 88 68 82 99 141 200 104 7 200 178 175 151 154 183 156 159 164 177 8 131 161 192 199 181 182 186 174 147 129 获取随机点位将整数转换为01 特征值MD5压缩处理 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7f63d5a7779ca 7 0b534a69d1eb5edfd7fef486b9270fc7 8 373b04655e21dee1372e374916a7774f 9 68b400bf74bc815844f58e19ead1ceb7 1 733c7ccfc61b08a62633fc2356b90478 2 bdc6c147ad15bcf1bd91e343ec15d4f8 3 70a0d1a5d191e0bd3ceb65003ce4e386 4 1d8d003fe0d417eb1d3413773e58f4de 5 b04a5fd1301bf66c192a23e155236dd5 6 0d7afe69ff25e61710e7

哈希学习（2）—— Hashing图像检索资源

flowerboya的博客

07-11

8554

哈希方法公布代码的： CSDSH: Column Sampling based Discrete Supervised Hashing SGH :Scalable Graph Hashing with Feature Transformation [ Paper] AGH: Hashing with Graphs [Paper] [Code] BPBC: Learn

基于哈希的图像检索（LSH，ITQ）matlab代码

04-13

哈希图像检索，包括LSH以及ITQ两种算法。之前帮网友做的，顺带分享一下。

图像检索系列一：Deep Learning of Binary Hash Codes for Fast Image Retrieval

眼观

11-23

9823

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。

CVPR 论文阅读与翻译2：图像检索、哈希编码学习、深度哈希：Deep Learning of Binary Hash Codes for Fast Image Retrieval-2015

weixin_41605888的博客

04-14

4405

Deep Learning of Binary Hash Codes for Fast Image Retrieval-2015 用于快速图像检索的深度学习二进制哈希码本文记录博主CVPR阅读心得，如理解有误，请及时指正交流。THANKS! 相关链接论文解读论文动机论文主要贡献具体研究方案论文实验论文翻译相关链接：论文连接：https://www.ii...

Learning to Hash综述阅读笔记

zwr1994的博客

03-16

5278

为了确定研究的内容，便读了综述《A Survey on Learning to Hash》，现将读后笔记整理如下：1、Introduction哈希算法主要分为两大类：LSH(不依赖数据的）和Learning to hash（依赖数据的）关于LSH综述：Hashing for similarity search: A survey.CoRR 2014.LSH:data-independent,使用随...

基于高维局部特征和LSH索引的图像检索技术

01-31

基于内容的图像检索（CBIR）技术使从海量图像资源中快速高效地提取有价值的信息得以实现，采用...文中将图像高维局部不变特征提取算法和LSH索引算法应用到基于内容的图像检索系统中，实验结果表明了该方法的有效性。

实习日记：图像检索算法 LSH 的总结与分析(matlab)

weixin_30820151的博客

08-01

298

最开始仿真和精度测试，基于 matlab 完成的。 Demo_MakeTable.m (生成 Hash 表) %======================================== %*********************************** %******* 设定参数: ***************** %******* l : hash表个数 *...

Learning to Hash with Binary DeepNeural Network

12-17

Learning to Hash with Binary Deep Neural Network

image_retrieval:基于caffe和lsh的图像检索系统演示

03-11

基于caffe和lsh的快速图像检索系统本demo是基于CVPR2015的论文实现的大数据量下的基于内容图片系统。详情请参见博文预训练好的模型可以在下载到

learn-to-hash:神经LSH [ICLR 2020]-使用监督学习为快速最近邻居搜索生成更好的空间分区

05-26

学习空间分区以进行最近的邻居搜索这是我们的论文《的代码。董伊和，皮奥特·印迪克（Piotr Indyk），伊利亚·拉岑斯泰因（Ilya Razenshteyn），塔尔·瓦格纳（Tal Wagner）该代码围绕一些集中的脚本构建，并带有实现通用接口的其他通用组件，这些通用组件可以交换来运行不同的学习方法。这种模块化的结构使我们的框架易于扩展到新的学习方法。代码布局：用于从数据集创建knn图，并行使用递归对数据集进行分区以及通过构建分区树来串联学习神经网络的树的主要骨干。：运行无监督学习方法的主管道：k-均值，PCA，ITQ，随机投影。还有许多其他脚本为训练，模型构建，分区，knn图创建，数据处理等提供实用程序。演示版对于utils.py中指定的任何给定配置，可以使用主功能运行任何脚本。我们提供了两个演示脚本作为简单示例：：无监督学习，可以使用包括k均值

LSH（局部敏感哈希）

07-03

Learning to Hash with its Application to Big Data Retrieval 是课程结课作业，简单的介绍了LSH（局部敏感哈希）主要分以下几部分内容 1.Nearest Neighbor Search (Retrieval) 2.Two Stages of Hash Function Learning 3.Hash Fuction 4.LSH 5.Application 6.Evaluation

实习日记：图像检索算法 LSH 的总结与分析

weixin_30698297的博客

07-29

264

先贴上这两天刚出炉的C++代码。(利用 STL 偷了不少功夫，代码待优化) Head.h 1 #ifndef HEAD_H 2 #define HEAD_H 3 4 #include "D:\\LiYangGuang\\VSPRO\\MYLSH\\HashTable.h" 5 6 7 #include <iostream> 8 #includ...

matlab lsh,实习日记：图像检索算法 LSH 的总结与分析(matlab)

weixin_35814757的博客

03-22

527

最开始仿真和精度测试，基于 matlab 完成的。Demo_MakeTable.m (生成 Hash 表)%========================================%***********************************%******* 设定参数: *****************%******* l : hash表个数 ********%****...

机器学习中的哈希学习总结（learning to hash）

南有芙蕖

05-08

6900

机器学习中的哈希学习总结（learning to hash） 1 定义哈希学习（learning to hash）是通过机器学习机制将数据映射成二进制串的形式，能显著减少数据的存储和通信开销，从而有效提高学习系统的效率。 2 目的学到数据的二进制哈希码表示，使得哈希码尽可能地保留原空间中的近邻关系，即保相似性。具体来说，每个数据点会被一个紧凑的二进制串编码，在原空间中相似的两个点应当被...

自己做的关于LSH图像检索的PPT

luotuo818的专栏

03-23

3072

<br />毕设做基于LSH索引的图像检索，看了很多论文，自己做了一个关于这方面理解的PPT，希望对有这方面兴趣的朋友有帮助，也希望大家可以相互交流！<br />下面是连接：http://download.csdn.net/source/3120724

学习哈希综述：A survey on learning to hash

科研糖

01-04

1189

a survey on learning to hash