- ElasticHash: 使用 Elasticsearch 实现深哈希进行语义图像相似度搜索
ElasticHash 是一种适用于自然图像的高品质、高效、大规模语义相似性搜索方法,通过基于深度哈希模型学习哈希码和使用 Elasticsearch 的两段式方法实现。在查询超过 120,000 个自然图像和 OpenImages 数据集 - 基于归一化流和结构一致性的哈希协同滤波器,用于高效推荐
该论文介绍了一种新型的哈希协作过滤方法 (HCFRec),通过引入标准化流并部署集群一致性保留机制等创新性方法,有效地加速了推荐系统,并比现有最先进的方法在实验中取得更好的效果和效率。
- 基于中心导向的对抗训练在深度哈希检索中的应用
本文提出一种中心引导的对抗训练方法 (CgAT), 通过最糟糕的对抗样本来提高深度哈希网络的鲁棒性,从而防御深度哈希检索的对抗攻击。
- ICLRReLU Code Space: 除了准确度以外评估网络质量的基础
我们提出了一个新的度量空间,基于截断汉明距离和 ReLU 激活码,并在 MNIST 数据集上进行实验,结果表明除准确率之外还有信息存储在代码空间中。
- ECCV基于深度哈希的检索的有针对性攻击
本文提出了一种深度哈希目标攻击方法 (DHTA),通过点集优化将对抗样本哈希码的平均距离最小化来攻击具有目标标签的对象的哈希,并提出了一种新的组件投票方案来获得锚码作为目标标签对象的哈希码集合的代表,以在某些限制条件下,平衡性能和可感知性。 - 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。
- 小汉明距离存在对抗样本的简单解释
本文提出了一个简单的数学框架,解释了对抗性样本是如何在深度神经网络中产生的,并解释了为什么我们可以期望在设计用于区分 m 个输入类的任意深度神经网络中找到目标对抗性样本,使得哈明距离大约为 m 。
- 基于超立方体的大规模相似度连接、边等周性和距离相关性
该研究探讨了分布式协议用于在大型数据集中查找所有相似向量对的方法,重点关注 Hamming 距离,提出了一种新型组合优化问题来捕捉分析上的核心,展示了边等周形状的设计方法和新的距离相关性界限。
- ECCV多义码
该论文考虑了压缩域中的近似最近邻搜索问题,引入了一种叫做 “多义编码” 的方法,在保持了产品量化的距离估算质量和二进制码哈明距离的有效比较性质基础上进行设计,并通过在搜索时二者的双重解释加速了搜索。实验证明,该方法与粗粒度的特征空间分割方法 - 可解释的二级布尔规则学习用于分类
本文提出以布尔规则为基础的分类方法,并通过基于整数规划和 Hamming 距离的算法,寻求简单分类规则和分类准确性之间的平衡,实现优于一级规则的分类效果。
- 概率多项式和汉明最近邻
本文提出了一种利用概率多项式计算对数域上任意对称布尔函数并控制误差的低阶多项式方案,借此算法可在超对数维度中在真正的亚二次时间内求解汉明距离,并且能够对内积最大的向量,有最近的 ell1 对和杰卡德系数最大的向量对进行计算。
- NIPS二进制哈希中的不对称性之力
利用两个不同的编码映射,通过汉明距离逼近二进制相似性,生成更短更准确的哈希码。
- 置换码大小的 Gilbert-Varshamov 界的渐近优化
研究长度为 $n$,最小汉明距离为 $d$ 的排列码的最大尺寸 $M (n,d),$ 并探讨了 $d/n$ 比率固定的情况下,通过利用图论框架方法证明了在 $ d /n <0.5 $ 的情况下改进了 Gilbert-Varshamov bo - 编码的停止距离和停止冗余
研究线性编码在二元擦除通道上的表现,发现停止图中最小停止集的大小决定了编码的性能,并引入了停止冗余参数来描述这个特性。进一步探讨了线性编码的停止冗余及其构造方法和限制。研究表明,对于二进制 Reed-Muller 编码,他们的停止冗余最多是