[论文笔记]ForestHash:Semantic Hashing With Shallow Random Forests and Tiny Convolutional Networks

2018年ECCV ForestHash:Semantic Hashing With Shallow Random Forests and Tiny Convolutional Networks 的论文笔记，PPT形式在我的资源页（如下），仅供非商业用途，欢迎讨论。（博客会慢慢补。。。）

https://download.csdn.net/download/weixin_41125988/10742128

 

 

这篇论文融合了核方法、随机森林、CNN、哈希等方法。提出了ForestHash：对有相同语义信息的类别设计出具有一致性和独特性的哈希编码。流程大概是：random class grouping——>a non-conventional low-rank loss for CNN weak learner——>information-theoretic aggregation

其中low-rank loss低秩损失减少了类内的差异增加了类间差异，使用核范数优化。

 

文章着重结局的两个问题：

哈希码的独特性：随机分类+后续近似最优的码融合

哈希码的一致相似性：非传统的采用低秩损失的浅层CNN网络

 

 

 

随机森林： https://www.cnblogs.com/maybe2030/p/4585705.html

submodularity在机器学习中的应用： http://www-bcf.usc.edu/~shaddin/cs599fa13/slides/lec24.pdf

如果你想了解 submodular function optimization 方面的理论，推荐阅读《submodular function and optimization》(Satoru Fujishige, 2005)；

为什么在图像中用哈希方法：https://www.cnblogs.com/chensheng-zhou/p/5464480.html

语义哈希：https://blog.csdn.net/lynnandwei/article/details/43231521

代码：https://blog.csdn.net/gynnash/article/details/38704761