基于标签嵌入奖励深度强化学习的有监督图像哈希
计算机视觉与模式识别
2020-08-11 v1
摘要
深度哈希在图像检索与识别中已展现出有前景的结果。尽管取得成功，大多数现有深度哈希方法颇为相似：要么应用多层感知机要么应用CNN提取图像特征，随后使用如sigmoid、tanh或自动编码器等不同二值化激活函数生成二值码。在本工作中，我们引入一种用于深度有监督哈希的新型决策方法。我们将哈希问题表述为在二值码空间中的顶点间行进，并学习一个以Bose-Chaudhuri-Hocquenghem(BCH)码定义的新型标签嵌入奖励的深度Q网络来探索最佳路径。在CIFAR-10和NUS-WIDE数据集上的大量实验与分析表明，我们的方法在各种码长下均优于最先进的有监督哈希方法。
引用
@article{arxiv.2008.03973,
title = {Deep Reinforcement Learning with Label Embedding Reward for Supervised Image Hashing},
author = {Zhenzhen Wang and Weixiang Hong and Junsong Yuan},
journal= {arXiv preprint arXiv:2008.03973},
year = {2020}
}