CVPRApr, 2018

SketchMate: 百万级人类素描检索的深度哈希

PDF
TL;DR本研究提出了一个深度哈希框架，用于人类涂鸦数据集的多重万级别检索，探索了前期文献中未被研究的涂鸦专有特征，并通过一个两支 CNN-RNN 的设计进行了独特人类涂鸦的特征嵌入，并开发出一个新的哈希丢失功能来适应涂鸦数据的时态和抽象特征，实现了相比静态图像的现有哈希模型更优异的表现。
发现论文，激发创造
  • 深度素描哈希：快速自由手绘图像检索

    本篇研究论文提出了一个用于类别级别自由手绘图像检索的端到端深度体系结构 Deep Sketch Hashing（DSH），其中使用了卷积神经网络来编码自由手绘图、自然图像和辅助的草图令牌，以缓解草图 - 图像几何形变，并有效地捕获不同类别之间的内在语义相关性，实验结果表明 DSH 的检索时间和内存消耗显着降低，检索准确性较之前的方法更优。

    Mar, 2017

  • 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

  • 基于卷积神经网络的基于手绘草图的三维形状检索

    该研究提出了一个基于 Siamese 卷积神经网络的方法，将一个 2D 的手绘草图转换为一个 3D 模型，并相比其他先进方法取得了更好的效果。

    Apr, 2015

  • 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

  • 针对细粒度素描图像检索的跨模态层次建模

    本文提出一种基于 sketch 的图像检索方法，通过使用跨模态协同和层次结构融合的策略，能够在不同层次的详细程度上匹配 sketch 和照片，并在公共基准测试中取得远超其他方法的性能表现。

    Jul, 2020

  • 零样图像哈希化

    本文通过建立一个三网络体系结构的零样本手绘图像搜索算法，利用 Kronecker 融合层和图卷积来缓解手绘图像的异构性，并提出一种生成哈希方案来重建语义知识表示，实现了语义哈希，从而在 Sketchy 和 TU-Berlin 两个扩展数据集上取得了显著的性能提升。

    Mar, 2018

  • 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

  • DeepHash: 正确实现正则化、深度和微调

    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。

    Jan, 2015

  • 如何在基于草图的图像检索中处理草图抽象化？

    我们提出了一种新颖的抽象感知的基于草图的图像检索框架，能够处理不同级别的草图抽象。通过学习抽象感知特征和粒度级别的抽象理解，我们的方法在标准的草图 - 图像检索任务以及早期检索、法医草图 - 照片匹配和风格不变检索等具有挑战性的场景中表现出色。

    Mar, 2024

  • SSDH：大规模图像检索的半监督深度哈希

    本文提出一种半监督的深度哈希方法，通过同时保留语义相似性和基础数据结构来更有效地学习哈希函数。实验结果表明，该方法在 5 个常用数据集上优于现有的哈希方法。

    Jul, 2016