【零样本哈希】Attribute hashing for zero-shot image retrieval

最新推荐文章于 2024-03-11 17:18:21 发布
VIP文章 最新推荐文章于 2024-03-11 17:18:21 发布
阅读量773 收藏 2
点赞数
分类专栏： Zero-shot Hashing
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/x124612/article/details/99696443
版权

目录

Motivation

1、大量新型概念出现，一方面人工标注成本高，另一方面重新训练哈希模型耗时

2、ZSH没有解决语义鸿沟问题（计算机理解的底层视觉特征和人类理解的高层语义信息的不一致）；ZSH倾向于在同质类别之间迁移监督知识（猫和狗都属于动物类），而忽视了异质类别之间的有用信息（鸟和飞机能够通过翅膀这个属性共享监督信息

最低0.47元/天 解锁文章
x124612
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
hashing-baseline-for-image-retrieval-master
12-27
hashing-baseline-for-image-retrieval-master哈希算法对比，用于论文中画图使用
Zero-Shot Image Retrieval（零样本跨模态检索）
nakaizura
02-07 4788
上一篇博文简要整理了元学习和少样本学习，本篇文章重点整理几篇利用零样本学习做检索的文章。该问题的难度在于使用人类草图被用作查询以从不可见的类别中检索照片： 草图和图片的跨模态域差异大。sketch只有物体的轮廓，与image相比只有很少的信息。 由于不同人的绘画风格不一样，sketch的类内方差也很大。 怎么适应大规模检索，适应从Unseen中检索出图片。 A Zero-Shot Framework for Sketch Based Image Retrieval 来自ECCV2018。主要是思想是利
【零样本哈希】Transductive Zero-Shot Hashing via Coarse-to-Fine Similarity Mining
x124612的博客
09-08 441
目录MotivationContributionsMethodsExperimentsConclusion Motivation 1、Yang et al提出的zero-shot hashing方法是通过在已知类别和未知类别之间构建一个中间语义向量空间（类别标签的词向量空间）来迁移监督知识。 但是由于已知类别和未知类别的数据分布不同，直接将从已知类别学习到的哈希函数用于未知类别，会引起偏差（pro...
零样本哈希图像检索-近年来的小众研究方向-文献总结整理
最新发布
后羿的和平鸽
03-11 981
翻了一些帖子很少有零样本、哈希和纯图像检索相关的文献总结，近年来学者们更多是将目光放在大模型、跨模态检索等热门方向。因本人性格偏好总结整理，所以想通过论文归纳总结的方式梳理一遍零样本哈希图像检索的历年研究，锻炼自己成为一名优秀的研究者，膜拜此领域的大牛们，同时也为这个偏小众的研究方向尽自己的一份力。
【零样本哈希】Zero-shot Hashing with orthogonal projection for image retrieval
x124612的博客
08-19 536
目录MotivationContributionsMethodsExperimentsConclusions Motivation 1、传统的监督哈希方法通常要求查询数据和训练数据具有相同的分布，这意味着查询数据的类别应该出现在训练类别中。然而，随着网络数据的爆炸式增长，新概念的图像正在迅速出现，为新出现的语义类别标记足够的训练数据是昂贵的，而且当新概念出现时对哈希函数进行重新训练是不现实的。Ze...
【零样本哈希】Attribute-Guided Network for Cross-Modal Zero-Shot Hashing
x124612的博客
08-19 901
目录MotivationsContributionsMethodsExperiments Motivations 1、zero-shot，标注新兴概念的时间和人工成本高，而且重新训练哈希模型也很耗时； 2、现有的ZSH方法关注单模态图像检索（以图搜图），但现实生活中也有很多以文搜图的例子，所以研究跨模态zero-shot hashing。 Contributions Cross-Modal Zer...
Zero-Allocation-Hashing:Java的零分配哈希
05-13
零分配散列版本概述该项目提供了一个Java API，用于对Java中的任何字节序列进行哈希处理，包括各种基本数组，缓冲区，“ CharSequence”等。 为Apache 7许可下的Java 7+编写。 与其他类似项目（例如相比，主要区别...
matlab源码下载-hashing-baseline-for-image-retrieval:各种用于图像检索的哈希方法，并用作基准
05-19
HABIR哈希图像检索工具箱是一个用Matlab语言写的集成了经典哈希方法以及最近几年无监督哈希方法的基准框架，里面包含了针对图像检索的主流评价指标，使用该工具箱使得你可以专注于哈希方法的设计，其他性能评价这些...
视频图matlab代码-single-modal-supervised-hashing-baseline-for-image-retrieva
05-27
SSHBIR是一个基准框架工具包，包括10种不同的单模型监督哈希方法，该工具包可以以不同位数绘制每种方法的mAP曲线和时间曲线，可以为所有学习者提供帮助，帮助您在需要时对哈希图像进行检索了解单模型监督哈希方法的...
零样本跨模态检索（Zero-Shot Cross-Modal Retrieval）信息论哈希
h3214463785的博客
10-12 227
受信息理论学习[29]的最新进展的启发，我们开发了信息理论哈希（ITH），这是一种新的ZS-CMR模型，它可以在没有任何额外NLP模型指导的情况下从训练数据中学习构建公共汉明空间。为了保证泛化，受流行的零拍摄图像分类方法的启发[18]-[20]，来自预训练的自然语言处理（NLP）模型的类嵌入（例如，word 2 vec [21]）被用作额外的引导信号以限定公共空间。为了解决预定义的公共空间和异构数据的语义之间的潜在不兼容性，我们研究了从给定数据中构建或学习公共空间的可行性，而无需额外的NLP模型的指导。
【零样本哈希】ZSH:Zero-Shot Hashing via Transferring Supervised Knowledge
x124612的博客
08-13 1104
ABSTRACT Keywords: zero-shot hashing; discrete hashing; supervised knowledge transfer; semantic alignment INTRODUCTION 哈希是一种能够有效实现大规模多媒体数据检索的索引技术。为了实现更短的检索时间和更少的计算开销，哈希技术将高维数据映射成紧凑的二进制编码。通过哈希编码，可以降低数据...
零样本图像检索：Towards Affordable Semantic Searching: Zero-shot Retrieval via Dominant Attributes
Shawn
11-14 1009
Towards Affordable Semantic Searching: Zero-shot Retrieval via Dominant Attributes， AAAI 2018 1. 概要 论文首次提出了零样本检索任务（Zero-shot Retrieval, ZSR）。 该任务中包括两种场景，一种是通过未知类别图像的主要属性信息查询实例图像(Attributes to Image, A...
zero-shot learning 论文三篇小结
热门推荐
liuyuemaicha的专栏
06-27 1万+
what is zero-shot learning zero-shot learning 是为了能够识别在测试中出现，而在训练中未遇到过的数据类别。例如识别一张猫的图片，但在训练时没有训练到猫的图片和对应猫的标签。那么我们可以通过比较这张猫的图片和我们训练过程中的那些图片相近，进而找到这些相近图片的标签，再通过这些相近标签去找到猫的标签。（个人认为zero-shot learning应该属于迁移
【零样本草图检索】Semantically Tied Paired Cycle Consistency for Zero-Shot Sketch-based Image Retrieval
x124612的博客
09-02 1434
Motivations 1、zero-shot SBIR面临 significant domain gap, intra-class variability and limited knowledge about the unseen classes等问题 2、先前的方法，[1]通过对齐的sketch-image pair 来学习sketch到image的映射，使用成对的监督信息是为了增强多模态数...
【零样本哈希】SitNet: Discrete Similarity Transfer Network for Zero-shot Hashing
x124612的博客
08-16 728
目录MotivationContributionsMethodsNetwork ArchitectureLoss FunctionOptimizationExperimentsConclusion Motivation 1、传统的哈希方法对已知类别的性能很好（因为有正确的标签信息指导哈希学习），但是无法适用于新兴概念（从未见过的类别）。一方面，对新概念进行人工标注的成本高；另一方面，标注后再重新训...
Zero-Shot相关论文阅读报告
MinCong Luo的博客
06-01 6178
# Zero-Shot Learning with Semantic Output Codes 论文:Zero-Shot Learning with Semantic Output Codes We consider the problem of zero-shot learning, where the goal is to learn a classifier f:X→Y...
Deep Supervised Hashing for Fast Image Retrieval
yinsuiqiang5136的博客
08-29 3710
摘要 这篇paper中提出了Deep Supervised Hashing (DSH)来进行binary code的学习。主要特点如下：（1）设计了深度CNN模型，training data的输入为图像对（imilar/dissimilar），输出为每幅图像的hash code；（2）loss function 最大化了图像之间的区别，区别是从输入图像编码而成的编码空间；（3）在离散化真实值的输...
【Paper Reading】Deep Supervised Hashing for fast Image Retrieval
weixin_30486037的博客
12-10 200
what has been done: This paper proposed a novel Deep Supervised Hashing method to learn a compact similarity-presevering binary code for the huge body of image data. Data sets: CIFAR-10: 60,000 3...
简单介绍一下基于动态查询自适应的在线多模态哈希（Online Multi-modal Hashing with Dynamic Query-adaption, OMH-DQ）算法。
06-02
OMH-DQ算法是一种用于多模态数据哈希的在线自适应算法。它可以在不断更新的数据流中学习哈希函数，并动态调整查询以适应数据变化。 OMH-DQ算法的主要思路是：首先对多模态数据进行特征提取，得到每个模态的特征向量；然后将这些特征向量输入到哈希函数中，得到二进制码；最后，利用这些二进制码进行相似性搜索。 OMH-DQ算法中的动态查询自适应模块可以根据不同的查询动态调整哈希函数的权重，以便更好地匹配查询。具体来说，当查询中某一模态的重要性较高时，OMH-DQ算法会增加该模态的权重，以提高该模态的影响力；反之，当某一模态的重要性较低时，OMH-DQ算法会减小该模态的权重，以降低该模态的影响力。这样，OMH-DQ算法可以在不同的查询条件下动态调整哈希函数，提高相似性搜索的准确性。 总的来说，OMH-DQ算法是一种在线自适应的多模态数据哈希算法，具有较高的准确性和灵活性，适用于各种多模态数据的相似性搜索任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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