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。
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：
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：
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
最低0.47元/天 解锁文章
扫一扫
835
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
