Nov, 2019

SSAH: 半监督自适应深度哈希与自适应难样本生成

PDF
TL;DR该论文提出了一种名为 SSAH 的半监督自适应对抗哈希方法，通过在一个统一的框架内同时进行图像生成和哈希学习，该系统通过自适应生成困难样本和利用无标签数据中的语义信息显着提高了现有哈希算法的性能。
deep hashing methodssemi-supervised learninggenerative adversarial network (gan)hard generation policysemantic information
发现论文，激发创造
  • 跨模态检索的自监督对抗性哈希网络

    本文提出一种自监督的对抗哈希（SSAH）方法，利用两个对抗网络和自监督语义网络，最大化不同模态之间的语义相关性和一致性，并在三个基准数据集上验证了其优越性。

    Apr, 2018

  • 生成式对抗网络实现的深度语义哈希

    本文介绍了一种基于 GANs 的新型监督哈希方法 Deep Semantic Hashing，通过针对大规模图像检索任务，利用半监督生成对抗网络在非标注大规模图像数据集和少量标注数据集的基础上生成高质量的综合数据，以此提升哈希搜索技术的效果和精度。实验证明，该方法比当前的深度哈希模型有着更好的效果。

    Apr, 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

  • 稀疏归纳生成对抗哈希用于最近邻搜索

    本文提出了一种新的非监督哈希方法，称为稀疏诱导生成对抗哈希（SiGAH），通过生成对抗训练框架将大规模高维特征编码为二进制代码，从而解决了已有哈希存在的量化损失问题和数据分布不一致问题。实验结果表明，该方法在 Tiny100K、GIST1M、Deep1M 和 MNIST 四个基准数据集上的性能均优于现有最先进方法。

    Jun, 2023

  • 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

  • 原型监督的对抗网络用于深度哈希的有针对性攻击

    本文中提出了一个使用生成式方法构建的新型原型监督式对抗网络（ProS-GAN），用于攻击深度哈希网络，得到更好的攻击性能和可转移性。

    May, 2021

  • 对比遮蔽自编码器用于自监督视频哈希

    本研究提出了名为 ConMH 的一阶段自监督视频哈希方法，该方法通过采用编码器 - 解码器结构重构视频以捕获视频语义信息，并通过最大化两个视频增强视图之间的协议以充分利用视频之间 的相似性关系。实验结果表明 ConMH 方法在大规模视频数据集上表现出色，是当前最佳方法之一。

    Nov, 2022

  • 无监督生成对抗跨模态哈希

    本文提出了一个无监督生成式对抗跨模态哈希 (UAGCH) 方法，该方法使用生成式对抗网络来学习跨模态哈希的哈希函数，并利用相关图来捕捉不同模态间的流形结构，从而实现快速且灵活的检索。与 6 种最先进的方法的实验结果证实，提出的方法具有很高的检索准确性。

    Dec, 2017

  • HashGAN: 基于注意力机制的深度对抗哈希用于跨模态检索

    提出了一种采用对抗生成网络和注意力机制进行深度跨模态哈希的方法，以增强多模态数据的内容相似度，同时在多个基准数据集上进行广泛评估并取得了良好的性能表现。

    Nov, 2017

  • SADIH: 语义感知离散哈希

    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