深度学习入门笔记:Fast Image Search with Deep Convolutional Neural Networks and Efficient Hashing Codes

最新推荐文章于 2022-10-06 16:35:06 发布
最新推荐文章于 2022-10-06 16:35:06 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： 深度学习入门
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/liyaohhh/article/details/51030261
版权
    Fast Image Search with Deep Convolutional Neural

       Networks and Efficient Hashing Codes


  整篇论文主要就是一个深度hash，在fc7和fc8之间插入一个128个神经元的，每个神经元的数值非0及1，具体实现就是实现一个sigmoid函数，把fc7层的数值变成对应层的0和1，用128个神经元代表一张图像，最后使用简单的hamming距离就可以进行相似度度量，具体如下：

   

liyaohhh
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于深度学习的图像匹配论文（一）
weixin_43090400的博客
11-24 1559
Learning Local Image Descriptors with Deep Siamese and Triplet Convolutional Networks by Minimising Global Loss Functions 当前状况是： 使用 Triplet 网络比 Siamese 有更好的分类效果，但在局部图像描述子方面未被证实，论文提出采用 Triplet 网络进行局部图...
Simultaneous Feature Learning and Hash Coding with Deep Neural Networks
南有乔木NTU的博客
10-23 3193
Simultaneous Feature Learning and Hash Coding with Deep Neural Networks论文下载地址 自从2014年中山大学潘炎老师讲deep hash搬上舞台以来，关于deep hash的paper如雨后春笋般喷薄而出。本文也是潘炎老师15年参与发表的一篇paper，和之前的deep hash方法相比，本篇论文还是和先前的论文有着明显的改进。
Supervised Learning of Semantics-Preserving Hashing via Deep Neural Networks for Large-Scale Image S
qiangzi的博客
12-12 1081
Yang H F, Lin K, Chen C S. Supervised Learning of Semantics-Preserving Hashing via Deep Neural Networks for Large-Scale Image Search[J]. Computer Science, 2015. 摘要 ：本文提出了一种监督深度散列方法，从大规模图像搜索的标
Image Question Answering using Convolutional Neural Network with Dynamic Parameter Prediction
lsh894609937的专栏
03-20 1364
这篇文章的主要贡献：   1.采用CNNc+DPN处理ImageQA任务，DPN的参数根据给定问题动态生成。   2.采用一个Hash trick对参数降维   3.通过在一个大的文本集上fine-tune GRU，提升网路的泛化性能   4.首次同时在DAQUAR,COCO-QA,VQA上进行实验   论文整体框架：     这个网路主要由两个部分组成：CNN和Dynamic Par
Image Question Answering using Convolutional Neural Networ with Dynamic Parameter Prediction
cv_family_z的博客
07-27 804
CVPR2016Image Question Answering using Convolutional Neural Networ with Dynamic Parameter Prediction项目网页 http://cvlab.postech.ac.kr/research/dppnet/开源代码 https://github.com/HyeonwooNoh/DPPnet本文主要使用 CN
ImageNet Classification with Deep Convolutional Neural Networks
01-21
By Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton
ImageNet Classification with Deep Convolutional Neural Networks.pdf
03-15
ImageNet Classification with Deep Convolutional Neural Networks.pdf
EfficientNet_Rethinking Model Scaling for Convolutional Neural Networks.pdf
05-20
EfficientNet论文
【4】Imagenet classification with deep convolutional neural networks.pdf
08-26
We trained a large, deep convolutional neural network to classify the 1.2 million high-resolution images in the ImageNet LSVRC-2010 contest into the 1000 different classes. On the test data, we ...
COMPRESSION OF DEEP CONVOLUTIONAL NEURAL NETWORKS FOR FAST AND LOW POWER MOBILE APPLICATIONS论文解读
weixin_45587004的博客
06-09 624
转载COMPRESSION OF DEEP CONVOLUTIONAL NEURAL NETWORKS FOR FAST AND LOW POWER MOBILE APPLICATIONS论文解读，原文只有百度快照了 链接如下：http://cache.baiducontent.com/c?m=9d78d513d9921cf01aadc33f4c4d8a3a0e54f13e68c0d0642983c40a84642a101a3aa7e67965565f8e992f3916af3800bdb776216914
【论文阅读】 AMNN: Attention-Based Multimodal Neural Network Model for Hashtag Recommendation
qq_43146737的博客
11-15 3126
这里写自定义目录标题摘要引言相关的工作我们的模型 摘要 在真实的社交网络中，标签被广泛应用于理解单个微博的内容。然而，用户在发布微博时并不总是主动添加话题标签，因此需要投入大量精力进行自动的话题标签推荐。作为一种新趋势，用户不再仅仅发布文本，而是更愿意分享多模态数据，如图像。针对这种情况，我们提出了一种基于注意力的多模态神经网络模型(AMNN)来学习多模态微博的表示并推荐相关的标签。在本文中，我们将hashtag推荐任务转换为一个序列生成问题。然后，我们提出了一种混合神经网络方法来提取文本和图像的特征，并将
文献阅读-深度学习跨模态图文检索研究综述
Ricardo_PING的Blog
10-06 4222
跨模态检索是多模态学习的重要分支，其目的在于挖掘不同模态样本之间的关系，即通过一种模态样本来检索具有近似语义的另一种模态样本。首先，聚焦于深度学习跨模态图文检索研究的最新进展，对基于实值表示学习和基于二进制表示学习方法的发展动态进行了详细介绍，其中，基于实值表示的方法用于提升跨模态语义相关性，进而提高跨模态检索准确度，基于二进制表示学习的方法用于提升跨模态图文检索效率，减小存储空间；其次，总结了跨模态检索领域常用的公开数据集，对比了不同算法在不同数据集上的性能表现。
一种轻量化多尺度的遥感跨模态图文检索方法
Governer的博客
11-30 4745
一种轻量化多尺度的遥感跨模态图文检索方法前言一、背景介绍二、算法介绍1.LW-MCR架构2.隐层监督优化3.半监督性能优化三、实验结果总结 前言 本文提出一种面向遥感数据的具有极小规模模型参数的跨模态检索方法，并基于知识蒸馏设计了一种多层级监督优化算法来提升小模型的检索精度。最后基于对比学习构建了一种半监督优化算法，通过使用无标签数据来进一步增强检索模型的性能。 部分代码已开源，欢迎领域学者使用交流： https://github.com/xiaoyuan1996/retrievalSystem Y
BOF——Bag-of-Featrures
hong__fang的专栏
01-20 4478
本文主要介绍：BOF（Bag-of-Featrures）的原理及其应用。 1.1 引言       文档分类领域有一种模型称为词袋（Bag of words）模型，它是自然语言处理与信息检索过程中的一种简化模型。在这种模型中，文本（段落或文档）被视为忽略了语法甚至语序的无序词汇集合。文本中每个单词的出现都是独立的，不依赖于其他词是否出现。词袋模型对文档分类有着重要的作用，它提出了一种基于统计的
【大规模图像检索的利器】Deep哈希算法介绍
liuheng0111的博客
10-11 2950
作者：程程 链接：https://zhuanlan.zhihu.com/p/21396173 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 前言 在最近邻搜索（nearest neighbor search）问题中，给定一个查询（query），目标是要找到空间中离它最近的点。这里所说的空间可以是任意的空间，比如特征空间，或者语义空间。具体来说，在图
阿里&北大：深度哈希算法最新综述
jacke121的专栏
05-06 3065
最近邻搜索（Nearest neighbor search）是指在数据库中查找与查询数据距离最近的数据点，是计算机视觉、推荐系统、机器学习等领域的基本问题。 比如在基于内容的图像检索中，在计算完查询图像特征向量后，需要在成千上万甚至几十亿的数据库图像特征向量中查找距离最小的Top n 幅图像，作为结果返回给用户。 Facebook的FAISS是这一领域重要的开源库： https://github.com/facebookresearch/faiss 这个过程必须考虑计算和存储效率，而使用哈希算..
阅读小结：Deep Hashing Network for Efficient Similarity Retrieval
郑哲东的博客
12-23 2522
作者：Han Zhu, Mingsheng Long, Jianmin Wang and Yue Cao 论文地址：https://pdfs.semanticscholar.org/eb0c/64244dcf238a2cbf479ab2fdc9047fc80bc5.pdfWhat： 1.特征没有和量化一起优化，所以特征不一定兼容后续的量化操作。 量化损失也没有统计上的最小。2.提出了Deep
2017 Deep Hashing总结
zwr1994的博客
06-11 2293
（1）CVPR2017 Learning Multifunctional Binary Codes for Both Category and Attribute Oriented Retrieval Tasks Dual Purpose Hashing (DPH)创新点：大部分哈希方法都只能够保持一种相似度（例如，由categories定义的语义相似度），还有一种相似度是attributes，例...
Convolutional Neural Network(卷积神经网络超详细解释)
ygp12345的博客
10-03 6587
Why CNN for Image? 我们可以使用fully connect神经网络去进行图像识别，但是所需要的参数太多了！！我们要使用CNN(卷积神经网络)来简化。 一个神经元不必接收整张图的特征，比如说我有一个判断鸟嘴的神经元，我只需如下图所示，将鸟嘴那一部分传给神经元。 相同的pattern在不同区域时，我这个神经元就可以使用相同的参数来学习不同位置的pattern。 将图像缩小也是减少特征值或参数的方法，如下图，subsampling后还是能分辨出是鸟。 Convolutional Neur
eca-net: efficient channel attention for deep convolutional neural networks
最新发布
09-09
"eca-net: efficient channel attention for deep convolutional neural networks" 是一种用于深度卷积神经网络的高效通道注意力模块。这一模块旨在提高网络对不同通道（特征）之间的关联性的理解能力，以提升网络...
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