图像检索系列一：Deep Learning of Binary Hash Codes for Fast Image Retrieval

最新推荐文章于 2022-06-12 19:17:18 发布
最新推荐文章于 2022-06-12 19:17:18 发布
阅读量9.7k 收藏 34
点赞数 6
分类专栏： 深度学习Deep Learning 图像检索Image Retrieval caffe学习
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/zixiximm/article/details/53305024
版权

Deep Learning of Binary Hash Codes for Fast Image Retrieval 这篇文章发表在2015CVPR workshop

文章链接：http://www.cv-foundation.org/openaccess/content_cvpr_workshops_2015/W03/papers/Lin_Deep_Learning_of_2015_CVPR_paper.pdf

代码链接：https://github.com/kevinlin311tw/caffe-cvprw15


图一 算法框架流程

这篇文章的想法很巧妙，在一个深层CNN的最后一个全连接层（fc8）和倒数第二个全连接层（fc7）之间加了一层全连接隐层，就是图一中绿色的latent layer （H）。这样一来，既可以得到深层的CNN特征，文中主要用的是fc7的特征，还可以得到二分的哈希编码，即来自H。这个隐层H不仅是对fc7的一个特征概括，而且是一个连接CNN网络

最低0.47元/天 解锁文章
眼观
关注
专栏目录
Rotation Invariant Deep Binary Hashing for Fast Image Retrieval
02-22
这篇研究论文的标题为《Rotation Invariant Deep Binary Hashing for Fast Image Retrieval》，主要内容围绕如何通过深度学习方法，尤其是结合卷积神经网络与哈希技术，来实现快速且旋转不变的图像检索。 知识点一...
Deep Learning of Binary Hash Codes for Fast Image Retrieval
yinsuiqiang5136的博客
08-24 761
摘要 当数据label可用时，采深度网络来学习binary code，同时来表示图像深度表示特征。与其他基于pair-wise的方法不一样，该方法采用point-wise的思想。实验表明该方法在CIFAR-10 和 MNIST是state-of-the-art。同时在1百万张衣服图片的大规模数据集中验证该方法的可扩展性和有效性。 本文的思路和主要工作 有些基于pair-wise的方法通常使用...
python实现图像检索的三种(直方图/OpenCV/哈希法)
haoji007的博客
05-27 2223
这篇文章主要介绍了python实现图像检索的三种(直方图/OpenCV/哈希法),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧 简介： 本文介绍了图像检索的三种实现方式，均用python完成，其中前两种基于直方图比较，哈希法基于像素分布。 检索方式是：提前导入图片库作为检索范围，给出待检索的图片，将其与图片库中的图片进行比较，得出所有相似度后进行排序，从而检索结果为相似度由高到低的图片。由于工程中还包含Qt界面类、触发函数等其.
python图像检索_图像检索(4):IF-IDF,RootSift,VLAD
weixin_39573598的博客
12-19 578
TF-IDFRootSiftVLADTF-IDFTF-IDF是一种用于信息检索的常用加权技术，在文本检索中，用以评估词语对于一个文件数据库中的其中一份文件的重要程度。词语的重要性随着它在文件中出现的频率成正比增加，但同时会随着它在文件数据库中出现的频率成反比下降。像‘的’，‘我们’，‘地’等这些常用词在所有文章中出现的频率会很高，并不能很好的表征一个文档的内容。同样的在图像检索中也引入了IF-ID...
图像检索研究进展：浅层、深层特征及特征融合 笔记
天马行空的博客
04-22 5321
图像检索研究进展：浅层、深层特征及特征融合 欢迎使用Markdown编辑器写博客 本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 ...
113172218finalapplication.rar_image retrieval_matlab图像检索_图像 检索_图
07-15
在图像检索领域，MATLAB是一种常用的工具，因其强大的数学计算能力和丰富的图像处理库而被广泛应用于图像分析和处理。这个名为"113172218finalapplication.rar"的压缩包似乎包含了一个MATLAB实现的图像检索系统，...
image_retrieval.zip_VC 图像检索_图像检索系统
09-24
本项目“image_retrieval.zip”提供了一个基于VC的图像检索系统实现，旨在帮助开发者和学习者理解图像检索的基本原理和编程实践。 图像检索系统的核心任务是从大量图像库中找到与查询图像最相似的图像。这个过程...
Deep Hashing for Compact Binary Codes Learning
10-21
简单的介绍了DH（深度哈希），文章是2015年 CVPR 的文章，虽然论文中实验结果并不是很好，但是文章的想法还是很有创新性的：采用深度神经网络。
计算机视觉——图像检索
ma0303的博客
05-20 632
计算机视觉——图像检索题目理解题目名称题目目标合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 题目理解 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了
【图像检索】DOLG论文
陶将的博客
12-10 5651
图像检索任务通常从数据库中检索出和query图片相似的图片。检索任务通常使用全局特征向量通过相似性检索出候选图像，然后再利用他们的局部特征进行re-rank候选者。检索任务分为两个步骤，每个步骤分别利用全局特征和局部特征。DOLG模型通过利用图像中的全局和局部信息进行端到端的检索。首先利用多簇卷积层和自注意力提取局部特征；然后从局部特征中提取与全局表示正交的分量；最后将正交分量与全局表示合并聚合生成最终表示。
计算机视觉（五）图像检索与识别
qq_45749702的博客
06-12 1196
如果不寻找新方法，那么： 250,000 张图像  ~ 310亿个图像对 – 每个图相对2秒 匹配 500台并行计算机需要1年才能完成计算 因此使用一种基于Bag-of-words models的Bof,即Bag of features。 图像纹理是什么？纹理是指图像中的重复模式，或纹理基元组成的结构。因此可以将图像的这种结构，生成类似词库的东西，用来提供检索图像视觉词袋模型( Bag-of-features )是当前计算机视觉领域中较为常用的图像表示方法。 视觉词袋模型来源于词袋模型(Bag-of-w
论文阅读理解 - Deep Learning of Binary Hash Codes for Fast Image Retrieval
长风破浪会有时，直挂云帆济沧海
08-10 2912
Deep Learning of Binary Hash Codes for Fast Image Retrieval [Paper] [Code-Caffe] 1. 摘要 针对图像检索问题，提出简单有效的监督学习框架 CNN网络结构能同时学习图像特征表示以及 hash-like 编码函数集合 利用深度学习以逐点(point-wise)的方式，得到二值哈希编码(binary has...
深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
热门推荐
寒小阳
03-11 5万+
本系统是基于CVPR2015的论文《Deep Learning of Binary Hash Codes for Fast Image Retrieval》实现的海量数据下的基于内容图片检索系统，250w图片下，对于给定图片，检索top 1000相似时间约为1s，其基本背景和原理会在下文提到。 2.基本问题与技术 大家都知道，基于内容的图像检索系统是根据图像的内容，在已有图像集中找到最『相近』的图片。而这类系统的
Image Retrieval
hpb21的专栏
12-05 7074
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
雅虎研究院数据集汇总
Chloezhao的专栏
12-02 3404
介绍：雅虎研究院的数据集汇总： 包括语言类数据，图与社交类数据，评分与分类数据，计算广告学数据，图像数据，竞赛数据，以及系统类的数据。
深度学习细粒度图像研究汇总
有问题请直接说问题就好
05-29 323
深度学习细粒度图像研究汇总
Deep Hashing for Compact Binary Codes Learning里的公式推导过程
最新发布
06-09
"Deep Hashing for Compact Binary Codes Learning" 是一篇关于深度哈希学习的论文。该论文提出了一种用于学习紧凑二进制码的深度哈希算法。以下是该论文中深度哈希算法的公式推导过程： 1. 首先，给定一个训练集 $\{x_i\}_{i=1}^n$ 和它们的标签 $\{y_i\}_{i=1}^n$，其中 $x_i$ 是输入数据，$y_i$ 是输出标签。 2. 然后，利用神经网络学习一个将输入数据映射到二进制码的哈希函数 $h(x_i)$，其中 $h(x_i)$ 是一个 $k$ 位的二进制向量，$k$ 是哈希码的长度。 3. 在深度哈希学习中，我们使用多个哈希函数来生成多个二进制码。因此，我们学习 $m$ 个哈希函数，每个哈希函数对应一个二进制码 $B_j$。 4. 对于每个输入数据 $x_i$，我们得到 $m$ 个哈希码 $B_j^i$，其中 $j=1,2,...,m$。 5. 然后，我们将这些哈希码组合成一个紧凑的二进制码 $b_i$，即 $b_i = [B_1^i, B_2^i, ..., B_m^i]$。 6. 确定损失函数，使得学习到的二进制码可以最大程度地保留数据之间的相似度。 7. 定义损失函数 $L$，其中 $L$ 由两部分组成：量化损失和分类损失。 8. 量化损失用于衡量哈希码的质量，分类损失用于保留数据之间的相似度。 9. 量化损失可以表示为：$L_{quan} = \sum_{i=1}^n\sum_{j=1}^m\frac{1}{2}(B_j^i - h_j(x_i))^2$，其中 $h_j(x_i)$ 是第 $j$ 个哈希函数的输出。 10. 分类损失可以表示为：$L_{cls} = -\sum_{i=1}^n\sum_{j=1}^n w_{ij}y_iy_j\log\sigma(b_i^Tb_j)$，其中 $w_{ij}$ 是样本 $i$ 和 $j$ 之间的相似度权重，$\sigma$ 是 sigmoid 函数。 11. 最终的损失函数可以表示为：$L = \lambda L_{quan} + L_{cls}$，其中 $\lambda$ 是量化损失的权重。 12. 在训练过程中，我们使用反向传播算法来优化损失函数，学习到最优的哈希函数和二进制码。 这就是 "Deep Hashing for Compact Binary Codes Learning" 论文中深度哈希算法的公式推导过程。
评论 6
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