Auto-JacoBin：自编码器雅可比二值哈希
计算机视觉与模式识别
2016-03-02 v2 机器学习
摘要
二值码可用于加速大规模数据集中的最近邻搜索任务，因为它们在存储和检索方面均高效。在本文中，我们提出了一种鲁棒的自编码器模型，该模型在汉明空间中保持高维数据集的几何关系。这是通过考虑训练数据点所在流形周围区域中的一个去噪函数来实现的。该函数被定义为具有将流形附近的数据点明智地投影到流形上的性质，并且我们用其一阶近似来逼近该函数。实验结果表明，所提出的方法在三个大规模高维数据集上取得了优于最先进水平（SOTA）的结果。
引用
@article{arxiv.1602.08127,
title = {Auto-JacoBin: Auto-encoder Jacobian Binary Hashing},
author = {Xiping Fu and Brendan McCane and Steven Mills and Michael Albert and Lech Szymanski},
journal= {arXiv preprint arXiv:1602.08127},
year = {2016}
}
备注
Submitting to journal (TPAMI). 17 pages, 11 figures. The Matlab codes for AutoJacoBin and NOKMeans are available: https://bitbucket.org/fxpfxp/autojacobin https://bitbucket.org/fxpfxp/nokmeans The SIFT10M dataset is available at: http://archive.ics.uci.edu/ml/datasets/SIFT10M