Deep Hashing Network for Efficient Similarity Retrieval
由于存储和检索效率的原因,哈希算法被广泛应用于大规模多媒体检索的近似最近邻搜索。监督哈希通过利用数据对的语义相似性来提高哈希编码的质量,近年来受到越来越多的关注。对于大多数现有的用于图像检索的监督散列方法,图像首先被表示为手工制作或机器学习的特征的向量,然后是另一个生成二进制代码的单独量化步骤。然而,可能产生次优的散列编码,因为量化误差在统计上没有最小化,并且特征表示与二进制编码不是最佳兼容的。在本文中,我们提出了一种新的用于监督哈希的深度哈希网络(DHN)架构,在该架构中,我们共同学习适合哈希编码的良好图
原创
2020-10-08 21:55:53 ·
506 阅读 ·
0 评论