- 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 - 最大化比特熵的深度无监督图像哈希
本文介绍了一种无监督深度哈希层称为 Bi-half Net,该层利用熵最大化的方法学习高效的二进制代码,并通过新的解耦设计对图像特征进行优化以逼近最优的半半比特分布,实验证明该方法在多个数据集上具有优秀的性能。
- FleXOR: 可训练分数量化
本文提出了一种基于加密算法 / 架构的量化压缩方法,通过加入 XOR 门并利用反向传播进行梯度计算,实现了每个权重有小数位的量化比特数,并可用于深度神经网络,结果表明相比二进制神经网络,该方法能够在模型准确性和模型尺寸上达到更好的平衡。
- CVPR自编码双瓶颈哈希
本文提出了一种自适应编码驱动图方法,通过自动编码器上下文解码更新图以及引入双瓶颈机制交换信息,建立了更为高效的图并优化了编码器,实验结果表明其超越了现有的哈希方法。
- AAAI基于加权二进制码的高效查询
本论文提出一种使用基于多索引哈希表(multi-index hash tables)方法的加权二进制编码查询算法,通过引入加权汉明距离和表格查找算法及表格合并算法,成功提高了查询的搜索效率和准确性。
- EMNLP混合先验生成模型的文档哈希
本文提出了两种混合先验生成模型以产生高质量文件哈希码,实验结果显示这些方法在几个基准数据集上比现有方法表现出更好的性能,特别是使用 Bernoulli 混合先验的方法。
- 图像搜索的深度球面量化
本文提出了 Deep Spherical Quantization(DSQ)方法,通过多码本量化,使深度卷积神经网络生成监督和紧凑的二进制代码以实现高效图像搜索,并经过大量实验证明,DSQ 及其稀疏变体能以优于许多最先进的图像检索方法的形式 - SIGIR协同过滤的组合编码
通过 Compositional Coding for Collaborative Filtering(CCCF)框架,作者提出了一种改进二进制编码协同过滤方法,将每个用户 / 项目表示为一组二进制向量,并将其与稀疏实值权重向量相关联,既提 - 深度三元组量化
通过深度学习和哈希编码来建立高效、有效的图像检索的解决方案,我们提出了 Deep Triplet Quantization(DTQ)方法来学习深度量化模型,并在三个基准数据集 NUS-WIDE、CIFAR-10 和 MS-COCO 上获得了 - 达到平衡相似度的最优离散在线哈希
本文提出一种新的基于对称图正则化的在线离散哈希方法 BSODH,通过一个平衡相似和相异权重的平衡相似性方法,解决了应用离散优化时可能遇到的数据不均衡问题,并在三个广泛使用的基准测试中进行广泛实验,证明了该方法的优势。
- ECCV二进制矩阵追踪哈希
该研究提出了一种新型的两阶段哈希方法,通过残差学习方案构建二进制码以适应任意区域结构,并且使用高容量哈希函数(如 CNNs),可以在许多标准邻域定义中大大简化二进制代码推断,从而产生更强大的代码,该方法在广泛使用的图像检索基准测试中表现优异 - IJCAI离散因子分解机用于基于特征的快速推荐
本论文提出了一种名为离散因子机(Discrete Factorization Machine, DFM)的泛化特征推荐模型,它将每个特征嵌入的实数模型参数(例如 float32)变成二进制代码(例如布尔值),从而支持高效的存储和快速的用户 - 使用分层二元自编码器进行自监督视频哈希
本文提出了一种新颖的无监督视频哈希框架 Self-Supervised Video Hashing (SSVH),通过设计编码器 - 解码器体系结构以及使用二进制自动编码器来捕获视频序列的时间性质,将视频嵌入二进制代码并赋予其准确的视频检索 - ICLR循环神经网络的交替多比特量化
本文通过量化神经网络的权重和激活值为多个 {-1,+1} 的二进制编码来解决在性能有限的移动设备和高并发服务器上部署神经网络时的问题,并在长短时记忆和门控循环单元等领域进行了测试,结果显示仅失去一定的准确性,我们可以通过两位量化实现约 16 - 文本文件的变分深层语义哈希
本文提出了一系列新颖的基于深度生成模型的文本哈希方法,并通过实验证明了深度学习在文本哈希中的有效性。
- 二进制生成对抗网络用于图像检索
本文提出一种使用二进制生成对抗网络(BGAN)进行无监督学习的图片编码方法,通过限制噪声变量为二进制并使用新的标志激活策略和损失函数,在不松弛约束条件下生成二进制编码,并提高了图像检索的准确性,相较于现有的哈希方法,我们的方法在标准数据集上 - NIPS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。
- ICCVMIHash:具有互信息的在线哈希算法
本研究提出了一种互信息学习的哈希方法 MIHash,可以在在线和批处理设置中使用,有效地减少哈希表重新计算并学习具有高质量的哈希函数,在 2.5M 图像数据集上取得了良好的表现。
- ECCV半定松弛和增广拉格朗日法的二进制哈希
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。
- IJCAI具有特权信息的转移哈希
提出了一种名为 THPI 的新框架,其中将 Iterative Quantization (ITQ) 扩展为一种转移学习方式,即 ITQ +,通过利用辅助数据学习新的松弛函数,来处理哈希中的数据稀疏问题,并使用交替优化方法进行求解。通过在几