Supervised Online Hashing via Hadamard Codebook Learning

摘要

我们的方法有以下的步骤：

1，给每一个类标签生成一个高维二进制码。

2，运用LSH去将类标签的高维二进制码与哈希码对齐。

3，我们使用在线SGD去优化，每个chunk可以只含一条数据。

4，如果出现过未知名的类，直接可以选取一个没使用过的高维二进制码表示它。

介绍

现有方法有以下不足：

1，不是在线的，不适合现实场景。

2，要求输入数据必须是成batch的，不适合一条一条地输入，也就不适合用SGD来解决。

3，无监督的方法不能充分利用标签信息，有监督的方法举例想要的效果又很远，有监督的想要改进一点又需要多出大量训练时间。

提出方法

F是原始数据到哈希码的映射，C是类标签到高维二进制码的映射：

    

高维二进制码与哈希码维度不匹配，用LSH降维使其匹配：

        

Hadamard Codebook

这里怎么给不同的类标签分配不一样的高维二进制码，这里的二进制码要满足这个性质：

                                        

 可以用这种方式随机生成：

                                            

确定C的维度，使得始终要大于数据库中总类的数量：