面向半监督图像检索的广义乘积量化网络

利用哈希或矢量量化的图像检索方法借助深度学习取得了巨大成功。然而，除非有充足的昂贵标签信息，否则这些方法难以达到预期效果。为解决此问题，我们提出了首个基于量化的半监督图像检索方案：广义乘积量化（GPQ）网络。我们设计了一种新颖的度量学习策略以保留标注数据间的语义相似性，并采用熵正则项充分挖掘无标注数据的内在潜力。我们的方案提升了量化网络的泛化能力，从而克服了检索领域的以往局限。大量实验结果表明，GPQ 在大规模真实图像基准数据集上取得了最先进的性能。