本文提出了一种使用神经网络学习二进制哈希码来解决图像检索问题的算法,在无监督和监督学习模式下,通过约束其中一层直接输出二进制哈希码并融入独立性、均衡性和相似性:在学习过程中同时提取视觉特征和生成二进制哈希码,并通过交替优化和谨慎的放松来解决优化中的难点,实验表明本文提出的方法在基准数据集上表现优异。
Dec, 2017
这篇论文提出了一种深度网络模型和学习算法,用于无监督和监督二进制哈希,通过约束单个隐藏层直接输出二进制代码,并在学习中严格考虑独立性和平衡性,以及相似性保持属性,从而在三个基准数据集上比先前方法表现更佳。
Jul, 2016
本文针对图像检索任务,提出一种从图像到二进制码的压缩映射方法,使用三元组损失函数进行训练,并通过多标签分类问题和深度卷积神经网络实现高维二进制码的学习,从而实现高效的图像检索。
Mar, 2016
本文提出了一种名为 BWNH 的新方法,旨在通过哈希训练二进制权重网络,以实现高效的网络推理。实验证明,该方法在 CIFAR10、CIFAR100 和 ImageNet 数据集上的性能均优于当前状态 - of-the-art 方法。
Feb, 2018
本文提出一种基于对比学习和信息瓶颈的二进制哈希方法,通过定义新的目标函数和引入概率二进制表示层来促进模型的端到端训练,证明了其与互信息的强联系,并在三个基准图像数据集上得到了显著优于现有基线的实验结果。
May, 2021
该论文提出了两种方法来推断二进制代码的二步(监督式,无监督式)哈希。它们首先介绍了一种统一的公式,然后将得到一位的学习表示为二进制二次问题(BQP),最后提出了解决 BQP 的两种方法,并在三个基准数据集上进行了实验证明其优于现有技术。
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
本文介绍了一种基于二次随机投影的双线性随机投影方法,通过对特征矩阵进行投影并生成二进制编码,从而实现相似性搜索。实验结果表明该方法具有较高的有效性。
Jun, 2015
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
该研究提出了一种基于互信息优化的新型监督式哈希方法,通过在深度神经网络中优化互信息来学习二进制向量嵌入,从而在大规模高维对象数据库检索中获得高质量的二进制嵌入。
Mar, 2018