Hashing baseline for image retrieval

最新推荐文章于 2020-11-07 23:54:55 发布
最新推荐文章于 2020-11-07 23:54:55 发布
阅读量4.2k 收藏 5
点赞数 3
分类专栏： 计算机视觉 Image Retrieval 文章标签： 源码 methods matlab 计算机视觉
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/willard_yuan/article/details/11853877
版权

Hashing Baseline for Image Retrieval(HABIR)

horse

horse

项目起源

目前我主要致力于基于哈希方法的大规模图像检索。在研究的过程中，我发觉几乎很少有研究者提供不同对比方法的代码。这为研究带来了很大不便，而且我坚信在研究的过程中，我们应专注于新算法的设计，而不是新人进来时都得重新造轮子，我们可以在现有代码的基础上学习它，并将它进行拓展，为自己使用。

于是，就有了你现在看到的这个hashing-baseline-for-image-retrieval，希望它能够为关注基于哈希方法进行图像检索的小伙伴们带去些许帮助。

hashing

哈希方法

  • PCA-ITQ,PCA-RR: Iterative Quantization. 作者建立的项目详细信息请移步这里：ITQ。

    Yunchao Gong and Svetlana Lazebnik. Iterative Quantization: A Procrustean Approach to Learning Binary Codes. In: IEEE International Conference on Computer Vision and Pattern Recognition (CVPR), 2011.

  • SH: Spectral Hashing. 作者建立的项目详细信息请移步这里：SH。

    Y. Weiss, A. Torralba, R. Fergus. Advances in Neural Information Processing Systems, 2008.

  • SpH: Spherical Hashing. 作者建立的项目详细信息请移步这里：SpH。

    Jae-Pil Heo, Youngwoon Lee, Junfeng He, Shih-Fu Chang, and Sung-eui Yoon. Spherical Hashing. CVPR, 2012.

  • LSH: Local Sensentive Hashing. Implemented by me.

  • SKLSH: Maxim Raginsky and Svetlana Lazebnik.

    Locality-sensitive binary codes from shift-invariant kernels. Advances in Neural Information Processing 22, pp. 1509-1517, 2009.

  • PCAH: PCA Hashing. Implemented by me.

  • DSH: Density Sensitive Hashing. 项目主页请移步这里：DSH.

注意：截止此刻，所有入选进行的哈希方法都是无监督的

数据库说明

数据库cifar_10yunchao.mat是来自Yunchao Gong在CIFAR10提取的320维GIST特征，第321维是图像的类别标签

待做事项

  • 完善文档
  • 绘制recall vs. the number of top retrieved samples曲线
  • 再添加一个数据库

运行环境

  • 64位系统（主要是图像数据库比较大，Windows或Linux都可以）
  • 16g内存（我电脑是16g的，8g的应该也行）

版本更新

  • V1.5 2014/09/28
    • 增加不同结果进行检索时的可视化结果/li>
  • V1.4 2014/09/22
    • 修复画MAP曲线的错误，重新以Gong Yunchao所用的计算曲线面积的方法画MAP曲线
    • 将原来画曲线时只运行一次改为运行多次（10次，程序中可以自己修改设定），对10次的MAP取平均，之所以这样做是因为不同的方法中用到了随机函数，通过运行多次减少每次运行结果的差异
  • V1.3 2014/08/21
    • 完成MAP随bits长度的曲线，添加进来SpH和DSH
    • 完善绘制的图，使画出的图更美观
    • 优化框架结构，使布局更有层次
  • V1.2 成型版本: 2014/08/19
  • V1.1 初始版本: 2013/09/26
  • V1.0 原型版本: 2013/07/22

结果演示

在64位编码下，查准率与召回率曲线如下：

precision-recall-64bits

平均检索精度MAP随bits长度的变化

map-numbers-of-bits

检索实例

本页顶部所示的是用不同的编码方法对“马”，下面展示更多的检索结果：

horse

horse

加入进来

如果你觉得这个对你有用，想加入进来的话，可以先clone过去，然后再Pull Requests.

致谢

本项目是在ITQ的基础上进行拓展的，感谢Yunchao Gong.

源地址链接：http://yongyuan.name/habir/

Image Hash Retrieval
dongfang1984的博客
02-24 1408
最近搞图像检索的任务，老师让跑一下计算所这篇文章 CVPR2016 ：Deep Supervised Hashing for Fast Image Retrievalgithub: https://github.com/lhmRyan/deep-supervised-hashing-DSH前言： 介绍一下图像检索常用的数据库。 Name size（images） concept tag
Dynamic Multi-View Hashing for Online Image Retrieval
qq2285580599的博客
06-06 367
摘要
hashing-baseline-for-image-retrieval-master
10-25
用于图像检索的哈希编码方法，（Various hashing methods for image retrieval and serves as the baselines ）
基于哈希的图像检索 HABIR(HASHING BASELINE FOR IMAGE RETRIEVAL)
GarfieldEr007的专栏
01-15 5283
HABIR HASHING BASELINE FOR IMAGE RETRIEVAL HABIR简介 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，其他性能评价这些方面的东西可以由它来帮你完成。 HABIR起源 目前我
Deep Hash in Large Scale Image Retrieval
春秋战车
01-21 1791
Deep Hash in Large Scale Image Retrieval 深度哈希方法及其在移动视觉搜索中的应用 大规模图像检索的利器Deep哈希算法介绍 Learning to Hash这里介绍两篇深度hash文章 01 Simultaneous Feature Learning and Hash Coding with Deep Neural Networks CVPR2015
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
matlab源码下载 HABIR Toolkit HABIR哈希图像检索工具箱是什么？ 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，...
图像检索入门：CVPR2015《Deep Learning of Binary Hash Codes for Fast Image Retrieval》
M_Z_G_Y的博客
09-20 2827
原文代码：https://github.com/kevinlin311tw/caffe-cvprw15 研究背景       在基于内容的图像检索（CBIR）中，使用深度学习的最为简单的方式是使用神经网络特征层的输出用于计算空间距离来判断相似度，但这样会导致浮点型数据储存消耗和维度灾难。 实际策略是使用近似最近邻（ANN）技术或基于Hash的方法来进行加速。这些方法将高维特征投影到较低维度空...
CVPR 论文阅读与翻译2：图像检索、哈希编码学习、深度哈希：Deep Learning of Binary Hash Codes for Fast Image Retrieval-2015
weixin_41605888的博客
04-14 4494
Deep Learning of Binary Hash Codes for Fast Image Retrieval-2015 用于快速图像检索的深度学习二进制哈希码 本文记录博主CVPR阅读心得，如理解有误，请及时指正交流。THANKS! 相关链接 论文解读 论文动机 论文主要贡献 具体研究方案 论文实验 论文翻译 相关链接： 论文连接：https://www.ii...
卷及神经网络CNN for image retrieval
GarfieldEr007的专栏
12-31 3210
背景 对于CBIR的背景以及应用，直接上两张图上来，分别对于下面的图1和图2:图1 图1的背景是自己用matlab在cifar10上生成的背景图，前景图是来自How many public photos are uploaded to Flickr every day, month, year?对flick每月到每年上传图片的统计，可以看到随着互联网和移动设备的普及，我们正进入了一个全民
A_Baseline_for_Visual_Instance_Retrieval_with_Deep.pdf
12-17
A_Baseline_for_Visual_Instance_Retrieval_with_Deep.pdf
基于哈希的图像检索技术
人工智能讲师团
07-05 2737
开发十年，就只剩下这套Java开发体系了 >>>    ...
Instance-Aware Hashing for Multi-Label Image Retrieval 解析
同销万古愁的博客
10-06 885
链接:https://pan.baidu.com/s/165ZZJNROLkKzOAe7v-E53A  密码:w40x 　深度学习入门选了这篇文章和相应代码，纠结了两三个月，加上师兄讲解，现在才勉强搞懂，写出来，自己总结一下，也希望其他人少走点弯路，之后还会写一篇关于本文代码的博客。由于我是从小白开始的，所以这篇文章会尽可能清楚，请大牛们不要介意我唠叨。我写的有错的地方，欢迎大家留言，我更正。 ...
Image Retrieval
hpb21的专栏
12-05 7153
Papers Learning High-level Image Representation for Image Retrieval via Multi-Task DNN using Clickthrough Data arxiv: http://arxiv.org/abs/1312.4740paper: http://legacy.openreview.net/document
图像检索--Deep Supervised Hashing for Fast Image Retrieval
cv_family_z的博客
09-08 8738
CVPR2016 Deep Supervised Hashing for Fast Image Retrieval源代码： http://vipl.ict.ac.cn/resources/codes 网页打不开啊本文使用CNN网络来完成快速图像检索。 image feature extraction and binary code learning本文的网络结构如下：三个卷积层，两个全连接层，对
深度学习入门:Supervised Hashing for Image Retrieval via Image Representation Learning
HAHA的专栏
07-07 7804
Supervised Hashing                     for Image Retrieval via Image Representation Learning       这篇论文主要是哈希方法引入CNN的首篇文章。核心思想是把一个image encode成为一个二进制表示的vector。这样做的好处是可以大幅度的减少存储feature的磁盘开销。该片pape
ITQ(Iterative Quantization)迭代量化方法详解
热门推荐
xiaoshengforever的专栏
03-07 1万+
转载：http://www.yuanyong.org/cv/itq-hashing.html CVPR 2011《Iterative Quantization: A Procrustean Approach to Learning Binary Codes》论文阅读笔记。   看过的文章，不做记录，即便当时理解透了，过一段时间后，知识总会模糊不清。所以从现在开始，
ITQ(Iterative Quantization)图像检索算法
人工智能讲师团
07-05 5278
开发十年，就只剩下这套Java开发体系了 >>>    ...
Fast Cross-Modal Retrieval
qq_41831542的博客
11-07 469
Survey on Fast Cross-Modal Retrieval BackgroundProblem DefinitionDatasetEvaluationPapers1. CVPR 2017 DCMH "Deep Cross-Modal Hashing"IntroductionPipelineNovelty & ContributionImprovement Point2. CVPR 2018 SSAH "Self-Supervised Adversarial Hashing Netwo
参考文献格式生成器Average hashing for perceptual image similarity in mobile phone application
最新发布
03-13
### 平均哈希在移动端的应用 平均哈希（Average Hash, aHash）是一种简单而有效的算法，能够快速计算图像指纹并比较不同图片之间的相似度[^1]。该技术特别适合于资源受限环境下的移动设备，在保持较低计算开销的同时提供足够的准确性。 #### 实现原理 为了实现基于aHash的感知图像相似性检测： - 首先将原始彩色图转换成灰度版本； - 接着缩小尺寸到固定大小（通常8×8），以减少数据量； - 计算所有像素值的平均亮度作为阈值； - 对每个像素位置判断其是否大于等于此平均值，并设置二进制位表示结果；最终形成64比特长度的特征向量。 ```python import cv2 import numpy as np def average_hash(image_path): image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) resized_image = cv2.resize(image, (8, 8)) avg_value = np.mean(resized_image) hash_vector = [] for pixel in resized_image.flatten(): bit = 1 if pixel >= avg_value else 0 hash_vector.append(bit) return ''.join(str(x) for x in hash_vector) ``` 通过对比两张照片产生的hash字符串差异程度可以衡量它们外观上的接近程度。汉明距离常被用来量化这种差别，即两个相同长度的bit串之间对应位置上不同字符的数量总和。 #### 参考文献格式生成指南 对于学术写作而言，正确引用资料至关重要。当提及上述方法论时可采用如下APA风格参考条目结构来指代相关研究工作： 作者姓氏, 名字首字母. (出版年份). 文章题目. *期刊名称*, 卷号(期数), 起始页码–结束页码. 例如：Zhao, Y., & Cheung, S.-C. (2009). Image retrieval using color and texture similarity metrics based on perceptual hashing techniques. *IEEE Transactions on Multimedia*, 11(4), 735–743.
评论 4
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