Learning to Hash综述阅读笔记

最新推荐文章于 2023-01-04 16:31:08 发布
最新推荐文章于 2023-01-04 16:31:08 发布
阅读量5.2k 收藏 23
点赞数 2
分类专栏： 哈希
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/zwr1994/article/details/78047703
版权
这篇综述详细介绍了Learning to Hash的原理与方法，包括成对相似性保留、多重相似性保留、隐含相似性保留和量化策略。重点讨论了哈希函数设计、损失函数、优化挑战以及各类相似性保持的哈希算法，如SDPM、SSPM、DDPM等，并举例说明了各类算法的目标函数和应用场景。
摘要由CSDN通过智能技术生成

为了确定研究的内容，便读了综述《A Survey on Learning to Hash》，现将读后笔记整理如下：

1、Introduction

哈希算法主要分为两大类：LSH(不依赖数据的）和Learning to hash（依赖数据的）

关于LSH综述：Hashing for similarity search: A survey.CoRR 2014.

LSH:data-independent,使用随机哈希函数

Learning to hash:data-dependent,从一个特定的数据集学习哈希函数（起源：semantic hashing，spectral hashing）

应用领域：大规模对象检索，图像分类，对象检测等


本篇综述根据“保持相似度的方式”将算法进行分类：

（1）成对相似性保留

（2）多重相似性保留

（3）隐含相似性保留

（4）量化（也是一种成对相似性保留，end-to-end哈希学习策略，直接从对象学习哈希编码，例如图片，在深度学习框架之下）

根据经验观察，量化算法要比其它方法表现更好，和另一篇综述相比（Learning to Hash for indexing big data），本篇综述更加侧重于基于量化的哈希方法。


2、Background

2.1最近邻搜索

近似最近邻搜索：error-constrained近似最近邻搜索  time-constrained近似最近邻搜索

2.2哈希查找

主要思想：将数据库的项和查询点映射到目标项，即哈希码。

哈希函数： 通常，几个哈希函数一起用于计算复合哈希码


两种基本的哈希查找策略：哈希表查找（hash table lookup）,哈希码排列（hash code ranking）

 hash table lookup:减少距离计算的次数，分为多表查找和单表查找

数据结构是哈希表，由哈希桶组成，每个哈希桶都有一个哈希码作为索引

目标：最大化相邻数据的碰撞概率，同时最小化距离远的数据的碰撞概率

最低0.47元/天 解锁文章
zwr1994
关注
专栏目录
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 6730
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
Learning to Hash with Binary DeepNeural Network
12-17
Learning to Hash with Binary Deep Neural Network
机器学习中的哈希学习总结（learning to hash）
南有芙蕖
05-08 6821
机器学习中的哈希学习总结（learning to hash） 1 定义 哈希学习（learning to hash）是通过机器学习机制将数据映射成二进制串的形式，能显著减少数据的存储和通信开销，从而有效提高学习系统的效率。 2 目的 学到数据的二进制哈希码表示，使得哈希码尽可能地保留原空间中的近邻关系，即保相似性。 具体来说，每个数据点会被一个紧凑的二进制串编码，在原空间中相似的两个点应当被...
learning to hash
LeeWei
12-20 1263
DeepHashingBaselines Single-Modal Deep Hashing Methods [AAAI 2014] Supervised Hashing via Image Representation Learning [paper] [code]Rongkai Xia , Yan Pan, Hanjiang Lai, Cong Liu, Shuiche
哈希学习（2）—— Hashing图像检索资源
flowerboya的博客
07-11 8545
哈希方法 公布代码的： CSDSH: Column Sampling based Discrete Supervised Hashing SGH :Scalable Graph Hashing with Feature Transformation [ Paper] AGH: Hashing with Graphs [Paper] [Code] BPBC: Learn
learn-to-hash:神经LSH [ICLR 2020]-使用监督学习为快速最近邻居搜索生成更好的空间分区
05-26
学习空间分区以进行最近的邻居搜索 这是我们的论文《的代码。 董伊和，皮奥特·印迪克（Piotr Indyk），伊利亚·拉岑斯泰因（Ilya Razenshteyn），塔尔·瓦格纳（Tal Wagner） 该代码围绕一些集中的脚本构建，并带有实现通用接口的其他通用组件，这些通用组件可以交换来运行不同的学习方法。 这种模块化的结构使我们的框架易于扩展到新的学习方法。 代码布局 ：用于从数据集创建knn图，并行使用递归对数据集进行分区以及通过构建分区树来串联学习神经网络的树的主要骨干。 ：运行无监督学习方法的主管道：k-均值，PCA，ITQ，随机投影。 还有许多其他脚本为训练，模型构建，分区，knn图创建，数据处理等提供实用程序。 演示版 对于utils.py中指定的任何给定配置，可以使用主功能运行任何脚本。 我们提供了两个演示脚本作为简单示例： ：无监督学习，可以使用包括k均值
论文笔记 - 图表示学习综述
Pumpkin_DAYTOY
05-26 1598
文献题目：Deep Learning for Learning Graph Representations 文献来源：清华大学 朱文武 文献原文：https://arxiv.org/abs/2001.00293v1 Abstract 图表示学习将拓扑图映射到低维向量空间，同时保持原始图结构并支持图推理。 本文中，将介绍一些图表示的基本思想及代表性模型。 Introduction 对于图表示学习的文献有两个名称：图表示和网络嵌入，其实图（Graph）和网络（Network）均指相同类型的结构，本文中对此不.
uboot阅读笔记
hkfhj的博客
11-05 6267
注：以下的阅读笔记的源程序版本为：u-boot-1.1.6 # #(C) Copyright 2000 - 2005 #Wolfgang Denk, DENX Software Engineering, wd@denx.de. # #See file CREDITS for list of people who contributed to this #project. # #
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
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。
深度哈希二值编码
07-17
Our model is learned under three constraints at the top layer of the deep network: 1) the loss between the original real-valued feature descriptor and the learned binary vector is minimized, 2) the binary codes distribute evenly on each bit, and 3) different bits are as independent as possible. To further improve the discriminative power of the learned binary codes, we extend DH into supervised DH (SDH) by including one discriminative term into the objective function of DH which simultaneously maximizes the inter-class variations and minimizes the intra-class variations of the learned binary codes. Experimental results show the superiority of the proposed approach over the state-of-the-arts.
学习哈希综述：A survey on learning to hash
科研糖
01-04 1164
a survey on learning to hash
图像检索1：LSH(Learning to Hash with its Application to Big Data Retrieval)
微风❤水墨
04-29 1290
    Learning to Hash with its Application to Big Data Retrieval 课程结课作业，所以简单的介绍了LSH（局部敏感哈希） 主要分以下几部分内容 1.Nearest Neighbor Search (Retrieval) 2.Two Stages of Hash Function Learning ...
A Survey on Learning to Hash
taikonglaike的专栏
05-21 962
Paper reading on Hashing.
机器学习基础--各种学习方式（26）--哈希学习
wydbyxr的博客
07-28 725
哈希学习（learning to hash） 　　通过机器学习机制将数据映射成二进制串的形式，能显著减少数据的存储和通信开销，从而有效提高学习系统的效率。 　　哈希学习的目的是学到数据的二进制哈希码表示，使得哈希码尽可能地保留原空间中的近邻关系，即保相似性。 　　具体来说，每个数据点会被一个紧凑的二进制串编码，在原空间中相似的两个点应当被映射到哈希码空间中相似的两个点。 　　例如：原空间中...
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
哈希检索方面的论文、代码和数据集Learning to Hash Paper, Code and Dataset
GarfieldEr007的专栏
05-08 5941
Learning to Hash Paper, Code and Dataset Table of Content Introduction Tutorial Slides Data-Independent Method Learning to Hash Method (Data-Depende
图像检索9：Adaptive Hashing for Fast Similarity Search
微风❤水墨
04-13 1931
  资源下载链接：http://download.csdn.net/detail/lilai619/9489488
c++ redis hash to struct
最新发布
08-17
To convert a Redis hash to a C++ struct, you can follow these steps: 1. Retrieve the hash values from Redis using a Redis client library in C++. For example, you can use the hiredis library or the ...
评论 1
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