用于细粒度图像二值编码的跨尺度上下文提取哈希
计算机视觉与模式识别
2022-10-17 v1
摘要
深度哈希通过将高维图像数据编码为二值码，因计算高效与存储成本低而被广泛应用于大规模图像检索任务。由于二值码所含信息不如浮点特征丰富，二值编码的本质在于保留主要上下文以保障检索质量。然而，现有哈希方法在抑制冗余背景信息以及通过简单符号函数从欧氏空间准确编码至汉明空间方面存在较大局限。为解决这些问题，本文提出跨尺度上下文提取哈希网络（CSCE-Net）。首先，我们设计双分支框架以捕获细粒度局部信息并保持高层全局语义信息。此外，在两分支间引入注意力引导信息提取模块（AIE），其配合全局滑动窗口抑制低上下文信息区域。与以往方法不同，我们的 CSCE-Net 学习一个与内容相关的动态符号函数（DSF）以替代原有的简单符号函数。因此，所提 CSCE-Net 具有上下文敏感性，并能在准确图像二值编码上表现良好。我们进一步证明 CSCE-Net 优于现有哈希方法，在标准基准上提升了检索性能。
引用
@article{arxiv.2210.07572,
title = {Cross-Scale Context Extracted Hashing for Fine-Grained Image Binary Encoding},
author = {Xuetong Xue and Jiaying Shi and Xinxue He and Shenghui Xu and Zhaoming Pan},
journal= {arXiv preprint arXiv:2210.07572},
year = {2022}
}
备注
Accepted by 14th Asian Conference on Machine Learning (ACML2022)