CVPRApr, 2017

用于大规模图像搜索的同时特征聚合和哈希

PDF
TL;DR本文提出了一种新颖的框架，其中功能聚合和哈希同时设计并联合优化，目的是生成更具区分度的二进制哈希码从而提高图像的检索精度。同时，我们还提出了一个快速版本的二进制自编码器用于我们的提出的框架中。在多个基准数据集上进行的广泛检索实验表明，所提出的框架显著改善了最先进技术水平。
hashing-based visual search systemsfeature aggregatingbinary hash codesretrieval accuracybinary autoencoder
发现论文，激发创造
  • 深度神经网络中的同时特征学习与哈希编码

    本文提出了一种深度学习结构的监督哈希方法，其中图像通过经过精心设计的卷积神经网络映射为二进制代码，通过三个构建模块的流水线过程（卷积子网络，划分编码模块和三元组排序损失），实现最近邻搜索的高效率和精确度。

    Apr, 2015

  • 基于选择性深度卷积特征的图像检索紧凑二进制表示

    该论文提出了一种新的计算量小、效果好的框架，其中采用了不同的掩码计算策略和最新的嵌入聚合方法来提高图像检索的准确性；同时还利用哈希模块生成非常紧凑的二进制图像表示，并在六个图像检索基准测试中取得了最好的检索性能。

    Feb, 2018

  • 使用图割和增强决策树的监督哈希

    本文介绍了一种灵活而简单的框架，该框架可以容纳不同类型的损失函数和哈希函数，并可将现有方法放在上下文中，并简化了新问题特定哈希方法的开发。我们提出了一个具有 Hash 编码和 Hash 函数学习两个步骤的框架，其中前一步通常可以被表述为二次问题，而后一步则可以用训练标准的二元分类器来完成。实验表明，我们的方法在高维数据上比大多数最先进的方法表现显著优越。

    Aug, 2014

  • 属性分组和挖掘哈希在细粒度图像检索中的应用

    通过对注意力机制进行建模以及使用属性分组和挖掘哈希（AGMH）来生成精细图像检索的综合特征表示，该方法在细粒度图像数据集上表现出最佳性能。

    Nov, 2023

  • 深度卷积特征聚合的图像检索

    本文通过对局部卷积神经网络特征进行聚合研究，提出一种基于简单加总池化的高效图像检索方法，取得了显著提升的效果。

    Oct, 2015

  • 使用二元自编码器进行哈希

    通过使用二元哈希算法，在二进制空间内搜索图像数据库，本文提出使用二元自编码器模型简化哈希函数的优化问题，并通过精度 / 召回率的实验结果证明二元自编码器模型相较其他二元哈希算法更加优秀。

    Jan, 2015

  • 基于函数逼近的大规模图像搜索嵌入

    本文旨在设计一种嵌入方法，将描述图像的局部特征 (如 SIFT) 映射到一个更高维的表示中，以解决图像检索问题。我们提出了一种基于函数逼近的新方法，并将逼近得到的嵌入向量聚合成单个表示，以便于图像检索。此外，我们还提出了快速版本的嵌入方法，并在标准公共图像检索基准下分别对嵌入方法和其它方法进行了实验比较，结果表明嵌入方法优于现有的图像检索算法。

    May, 2016

  • 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

  • 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