Jun, 2018

基于标签嵌入的弱监督深度图像哈希

PDF
TL;DR利用用户生成的标签信息的词向量语义嵌入来进行约束，我们提出一种名为 WDHT （Weakly Supervised Deep Hashing using Tag Embeddings）的方法，用于语义图像检索，在弱监督图像哈希领域取得新的最佳效果。
semantic image hashingweakly-supervised learningtag embeddingsimage retrievalstate-of-art models
发现论文，激发创造
  • 基于弱监督的深度超球面量化图像检索

    通过利用弱标记图像和词嵌入技术，本研究提出了一种基于深度量化的弱监督超球面量化方法，能够有效地生成紧凑编码，并实现图像检索任务中的高性能表现。

    Apr, 2024

  • 无监督语义深度哈希

    本文提出了一种名为无监督语义深度哈希（USDH）的新型无监督深度哈希方法，使用卷积神经网络学习特征和哈希码，并利用 CNN 特征层中保留的语义信息来指导网络训练。在 CIFAR-10，NUSWIDE 和 Oxford 17 数据集上进行了广泛实验，结果表明 USDH 相较于其他无监督哈希方法更加有效。

    Mar, 2018

  • 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

  • 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

  • 通过深度卷积神经网络监督学习保持语义的哈希

    本文提出了一种简单而有效的有监督深度哈希方法，构建了来自标记数据的二进制哈希代码，用于大规模图像搜索，在此基础上，哈希函数作为深度网络中的一个潜在层得到构建，最小化分类错误和其他理想哈希代码属性上的目标函数，以实现联合学习的图像表示，哈希代码和分类，从而可应用于大规模数据集。

    Jul, 2015

  • 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

  • 适用于小型数据集的子词语义哈希在意图分类中的应用

    本文介绍了在意图分类中使用语义哈希作为嵌入的方法，并在三个常用基准测试上实现了最先进的性能。语义哈希是一种尝试克服诸如数据饥饿和词汇表依赖性等挑战，学习强大的文本分类的方法，可以处理拼写错误和小型数据集等问题。

    Oct, 2018

  • 用于层次标记数据的监督深度散列

    本文提出了一种新的深度哈希方法，称为监督分层深度哈希（SHDH），该方法在层次化分类数据的哈希编码学习方面优于现有方法，设计了一种新的相似度公式和深度卷积神经网络来实现图像检索任务。

    Apr, 2017

  • 维护语义层次的大规模图像检索深度哈希

    本研究提出了一种有效的方法，以保留完整语义层次结构的类别相似性，以提高大规模图像检索的精细级别性能并生成更好的二进制代码。

    Jan, 2019

  • 面向时尚库存主观搜索的对抗训练深度神经语义哈希方案

    本文提出了一种利用深度神经网络实现对时尚库存图像进行语义哈希的方案，并使用哈密尔顿距离度量实现对时尚库存的图像检索。经实验验证，这种方案相对于现有的深度 Cauchy 哈希方法，可取得更好的平均精度。

    Jun, 2019