球哈希Spherical Hashing原理 及 在超分辨方法AIS中的应用

本文介绍了Spherical Hashing的概念,它是一种基于球体的哈希方法,区别于传统基于超平面的哈希算法。球哈希通过动态调整球心位置和半径来实现样本的均衡划分,适用于近似最近邻搜索。在超分辨恢复方法AIS中,球哈希用于找到每个图像块最接近的回归器,减少搜索范围。AIS在训练时使用球哈希对回归器进行标记,以优化搜索效率。虽然存在多个回归器对应一个哈希码的情况,可以通过重排序解决,但如何处理没有回归器对应的闭域仍需进一步探讨。
摘要由CSDN通过智能技术生成

最新更新时间:2018.4.17  17:53


最近看了Eduardo Pérez-Pellitero 的AIS超分辨方法,里面用到 Spherical_Hashing的结构用于KNN搜索。

一开始并不清楚球哈希到底怎么建立的,看了原论文做个小总结。


Spherical Hashing

球哈希是什么呢?一般哈希方法都有哈希函数对不对?球哈希的哈希函数长这样:
球哈希函数
也就是说球哈希函数描述了数据空间的k个球,球心分别是Pk,半径分别是tk。(Pk,tk也是球哈希里最重要的参数,怎么设置呢?后面说。)
那么对于定义K个球的球哈希,最后的hash code就是长度为k的-1/+1字串,每一位分别表示样本是否属于某个球。

球哈希区别于其他哈希算法的最大不同是,其他哈希基于超平面对原始数据进行划分,但球哈希是基于一个一个球的。
看图说话:
基于超平面划分的哈希球哈希

那么球哈希对比于基于超平面划分的哈希算法有什么优势呢?
答案是,球哈希划分的区域是封闭且更紧凑的。
至少三个超平面才可画出一个封闭区域,而球哈希只要一个。
而且每个区域内样本的最大距离的平均值会更小,说明各个区域的样本是更紧凑的。这样更符合邻近的含义啊,更适合在进行相似搜索时使用。


注意C个超球体划分出的有界区域个数高达

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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