通过蒸馏平滑引导的深度无监督哈希
计算机视觉与模式识别
2021-05-14 v1
摘要
哈希因其存储与计算效率已被广泛用于近似最近邻搜索。深度监督哈希方法由于缺乏标注数据（尤其在领域迁移时）而未广泛使用。同时，无监督深度哈希模型由于缺少可靠的相似性信号而难以取得满意性能。为解决这个问题，我们提出了一种新颖的深度无监督哈希方法，即蒸馏平滑引导（DSG），其能学习一个由相似性信号以及平滑置信信号组成的蒸馏数据集。具体而言，我们基于从局部结构学到的初始噪声相似性信号获得相似性置信权重，并构建优先级损失函数以进行平滑相似性保持学习。此外，利用基于聚类的全局信息通过移除矛盾的相似性信号来蒸馏图像对。在三个广泛使用的基准数据集上的大量实验表明，所提DSG一致优于最先进的搜索方法。
引用
@article{arxiv.2105.06125,
title = {Deep Unsupervised Hashing by Distilled Smooth Guidance},
author = {Xiao Luo and Zeyu Ma and Daqing Wu and Huasong Zhong and Chong Chen and Jinwen Ma and Minghua Deng},
journal= {arXiv preprint arXiv:2105.06125},
year = {2021}
}
备注
7 pages, 3 figures