具有潜在语义成分的深度无监督哈希
计算机视觉与模式识别
2022-04-19 v2
摘要
深度无监督哈希在图像检索领域备受青睐。然而，大多数已有方法未能挖掘图像背后的语义成分及其关系，导致它们缺乏判别力。为弥补这一缺陷，我们提出了一种新颖的深度语义成分哈希（DSCH），其基于一个常识：一幅图像通常包含一组具有同源与共生关系的语义成分。基于此先验，DSCH将语义成分视为期望最大化框架下的潜变量，并设计了以训练数据最大似然为目标的二步迭代算法。首先，DSCH通过高斯混合模型（GMM）揭示图像的细粒度语义成分来构建语义成分结构，其中一幅图像表示为多个成分的混合，并利用了语义共生关系。此外，通过考虑细粒度成分间的同源关系发现粗粒度语义成分，进而构建层次化组织。其次，DSCH使图像在细粒度和粗粒度层面均靠近其语义成分中心，并令共享相似语义成分的图像彼此接近。在三个基准数据集上的大量实验表明，所提出的层次化语义成分确实助力哈希模型取得优越性能。
引用
@article{arxiv.2203.09420,
title = {Deep Unsupervised Hashing with Latent Semantic Components},
author = {Qinghong Lin and Xiaojun Chen and Qin Zhang and Shaotian Cai and Wenzhe Zhao and Hongfa Wang},
journal= {arXiv preprint arXiv:2203.09420},
year = {2022}
}
备注
9 pages, 15 figures