深度LDA哈希
计算机视觉与模式识别
2018-10-09 v1 多媒体
摘要
传统的基于分类的监督哈希方法并未完全满足哈希技术的要求，而线性判别分析（LDA）则满足。本文中，我们提出在深度网络上执行修正的LDA目标，以真正端到端的方式学习高效哈希码。然而，当针对LDA目标简单优化深度网络时，必须面对每个epoch中每个mini-batch内复杂的特征值分解问题。本工作将修正的LDA目标转化为一个简单的 least square 问题，这自然克服了棘手的问题，并且可由现成优化器轻松求解。此种深度扩展也能克服LDA哈希在有限线性投影与特征学习上的弱点。我们在三个基准数据集上进行了大量实验。所提出的深度LDA哈希在CIFAR-10数据集上相比传统方法取得了近70分的提升，并在各项指标上击败了若干state-of-the-art方法。
引用
@article{arxiv.1810.03402,
title = {Deep LDA Hashing},
author = {Di Hu and Feiping Nie and Xuelong Li},
journal= {arXiv preprint arXiv:1810.03402},
year = {2018}
}
备注
10 pages, 3 figures