提出了一种名为密度敏感哈希（DSH）算法，它是局部敏感哈希（LSH）的扩展，利用数据的几何结构避免了纯随机投影的限制，并在大规模高维数据搜索中取得更好的性能。

May, 2012

本研究提出使用 feed-forward 神经网络来实现稀疏高维哈希码，并且通过对视觉和多模态数据的实验评估表明该方法具有显著的优势。

Dec, 2013

本文介绍了哈希方法作为解决最近邻搜索问题的一种主要方法的概述，其中对基于数据分布设计哈希函数和基于数据学习设计哈希函数的两种主要哈希算法进行了阐述和综述。

Aug, 2014

本研究综述了基于哈希技术的ANN搜索的发展历程和应用，重点介绍了基于数据驱动学习方法和深度学习模型的哈希应用技术，分析了优缺点，并探讨了未来的研究趋势。

Sep, 2015

本研究提出了一种互信息学习的哈希方法MIHash，可以在在线和批处理设置中使用，有效地减少哈希表重新计算并学习具有高质量的哈希函数，在2.5M图像数据集上取得了良好的表现。

Mar, 2017

本文提出了一种Semantic-Aware DIscrete Hashing（SADIH）框架，旨在将转换后的语义信息直接嵌入到不对称相似度逼近和判别式哈希函数学习中，以克服监督哈希中全面保留对成对相似度的学习过程过于昂贵且无法扩展以处理大数据的问题。在多个大规模数据集上的实验结果表明，我们的SADIH可以明显优于最先进的基线，同时具有更低的计算成本。

Apr, 2019

本文提出了一种全局相似度度量方法——中心相似度，并引入哈希中心的概念，在哈希空间内寻找离散且相互之间距离足够远的数据点，通过构建哈达玛矩阵和伯努利分布的方法实现哈希中心的有效构建，提出了一种优化数据点间哈希中心间中心相似度的方法CSQ，此方法在图像和视频哈希场景中均适用，大规模的图像和视频检索实验表明，CSQ可以为相似数据对生成连贯的哈希码，为非相似数据对生成离散的哈希码，在检索效率方面取得了3％-20％的提升。

Aug, 2019

本文旨在详细研究包括深度监督哈希与深度无监督哈希在内的深度哈希算法，并探讨半监督深哈希、域自适应深哈希和多模态深哈希等相关重要主题，同时介绍公共数据集和深哈希算法性能的评估方法，并提出潜在的研究方向。

Mar, 2020

本文介绍了使用Pairwise Reconstruction的语义哈希方法，将弱监督的训练对编码为哈希码，并通过对这些哈希码的成对重构来实现对局部邻域结构的编码，从而在文档相似度搜索任务中获得了重要的性能改进。

Jul, 2020

本文提出了一种名为CIMON的新方法，通过全局细化和相似性统计分布获得可靠且平滑的指导，并引入语义和对比一致性学习来推导既具有扰动不变性又具有区分性的哈希码，通过在多个基准数据集上进行的大量实验证明，该提出的方法在检索性能和鲁棒性方面均优于一系列现有技术方法。

Oct, 2020