Jan, 2015

DeepHash: 正确实现正则化、深度和微调

PDF
TL;DR本研究提出了一种基于深度网络的二进制哈希方案 DeepHash，可以将全局图像描述符表示为非常紧凑的 64-1024 位哈希码，能够实现在极低位速率下进行实例检索，在多数据集上均优于现有方案，能够实现 512 倍的压缩。
发现论文，激发创造
  • 基于正则化相似度学习的可扩展深度哈希用于图像检索和个体重新识别

    本研究提出了一种监督学习框架，直接从原始图像中生成紧凑且可扩展的哈希编码，通过使用三元组样本最大化匹配对与不匹配对在汉明空间中的边界，并同时优化图像特征和哈希函数，从而在实际应用中更具有灵活性和更高的性能。

    Aug, 2015

  • 深度哈希：图像签名学习的联合方法

    本文提出一种新的算法，该算法同时执行特征工程和非线性监督哈希函数学习，使用预训练和指数哈希损失函数，实现了有效的梯度计算和传播，并在数个广泛使用的图像基准测试中实现了全面的定量评估。实验结果表明，我们的算法明显优于所有现有的最先进的竞争对手，特别是在 MNIST 数据集上实现了近乎完美的 0.99 和 CIFAR10 数据集上的 0.74 的新记录。

    Aug, 2016

  • 深度监督离散哈希

    本文提出一种基于深度学习的监督离散哈希算法，利用分类信息和成对标签信息在单流框架中学习哈希码，并通过交替最小化方法进行优化，实验结果表明该方法在基准数据集上优于当前最先进的方法。

    May, 2017

  • 基于深度语义排名的多标签图像检索哈希

    使用神经网络结合深度学习的方式，针对多标签图像，提出了一种能够保持多层语义相似度的哈希函数学习方法，并在多标签图像数据集上的排名评估中证明了该方法的优越性。

    Jan, 2015

  • 深度多视图增强哈希用于图像检索

    本文中提出了一种结合多视角和深度学习的、能够显著提高哈希检索性能的新型多视角哈希模型，该模型在 CIFAR-10、NUS-WIDE 和 MS-COCO 数据集上系统地评估，结果表明本方法明显优于现有的单视角和多视角哈希方法。

    Feb, 2020

  • 利用高分辨率特征优化基于深度哈希的图像检索

    深度哈希技术利用高分辨率特征提取的高分辨率哈希网络（HHNet）在复杂数据集上显示出优于现有方法的性能提升，强调了在复杂图像检索任务中学习高分辨率特征的必要性。

    Mar, 2024

  • 图像检索的深层哈希蒸馏

    本文提出了一种基于数据增强的哈希检索方法，通过自我蒸馏来最小化哈希码与原始特征之间的差异，引入基于哈希代理的相似度学习和二元交叉熵损失来提供优质哈希码，构建了一个深度哈希框架，实现了目前最先进的检索结果。

    Dec, 2021

  • 深度图像检索：学习全局图像表示以用于图像搜索

    本文提出了一种新方法进行实例级别的图像检索，通过聚合多个基于区域的描述符为每个图像生成全局紧凑的固定长度表示，该方法基于一个特定图像检索任务训练的深度架构，利用排序框架来学习卷积和投影权重，并采用区域建议网络来学习应汇集哪些区域以形成最终的全局描述符。

    Apr, 2016

  • 深度优先哈希

    深度优先哈希（DPH）是一种基于贝叶斯学习框架的端到端体系结构，其通过重新调整标准交叉熵损失来优先处理训练数据中的不确定对，以生成高质量的哈希码，并在 ImageNet、NUS-WIDE 和 MS-COCO 三个数据集上取得了最先进的图像检索结果。

    Sep, 2018

  • 深度加权哈希的查询自适应图像检索

    提出了一种查询自适应的深度加权哈希方法（QaDWH），通过加权汉明距离，可以对不同查询进行细粒度排名的细节图像检索方法，并在四个广泛使用的数据集上展示了其超越八个现有最先进哈希方法的实验结果。

    Dec, 2016