面向遥感图像检索的非对称哈希码学习
计算机视觉与模式识别
2022-01-19 v1 信息检索
摘要
遥感图像检索（RSIR）旨在为给定查询图像搜索一组相似项，是遥感应用中一项非常重要的任务。深度哈希学习作为当前主流方法已取得令人满意的检索性能。一方面，各种深度神经网络被用于提取遥感图像的语义特征；另一方面，随后采用哈希技术将高维深度特征映射为低维二进制码。此类方法试图以对称方式为查询样本和数据库样本学习同一个哈希函数。然而，随着数据库样本数量增加，生成大规模数据库图像的哈希码通常十分耗时。本文提出一种新颖的深度哈希方法，称为非对称哈希码学习（AHCL），用于遥感图像检索。所提AHCL以非对称方式生成查询图像与数据库图像的哈希码。更具体地，查询图像的哈希码通过对网络输出二值化获得，而数据库图像的哈希码则通过求解所设计的目标函数直接学习。此外，我们将每幅图像的语义信息及图像对的相似性信息作为监督信息来训练深度哈希网络，从而提升深度特征与哈希码的表示能力。在三个公开数据集上的实验结果表明，所提方法在检索精度与效率上均优于对称方法。源代码见 https://github.com/weiweisong415/Demo AHCL for TGRS2022。
引用
@article{arxiv.2201.05772,
title = {Asymmetric Hash Code Learning for Remote Sensing Image Retrieval},
author = {Weiwei Song and Zhi Gao and Renwei Dian and Pedram Ghamisi and Yongjun Zhang and Jón Atli Benediktsson},
journal= {arXiv preprint arXiv:2201.05772},
year = {2022}
}
备注
14 pages, 12 figures, and 2 tables