使用 TripletLoss 的深度哈希

哈希是用于大规模图像检索中近似最近邻搜索的最高效技术之一。大多数技术基于手工设计特征，且并非总能给出最优结果。深度卷积神经网络已被证明能生成非常有效的图像表示，用于各种计算机视觉任务，受其启发，已有若干深度哈希模型被提出，如 Wang 等人（2016）。这些模型以 triplet loss 函数训练，可用于训练具有更优表示能力的模型。借助使用 triplet loss 训练的最新进展，我提出了新技巧，帮助深度哈希模型更快且更高效地训练。实验结果表明，使用更高效的 triplet loss 训练技术，我们的模型相比 Wang 等人（2016）的原工作获得了 5% 的提升。使用更大的模型与更多训练数据，我们可通过所提技术大幅提升性能。