哈达玛矩阵引导的在线哈希
信息检索
2020-01-23 v3 机器学习
摘要
在线图像哈希近年来吸引了越来越多的研究关注，它以流式方式接收大规模数据并即时更新哈希函数。其关键挑战在于难以平衡学习时效性与模型精度。为此，大多数工作遵循监督设置，即使用类标签来提升哈希性能，这在两方面存在缺陷：首先，使用了强约束，例如正交或相似性保持，然而这些约束通常被松弛并导致较大的精度下降。其次，需要大量训练批次来学习最新的哈希函数，这大大增加了学习复杂度。为应对上述挑战，本文提出了一种新颖的监督在线哈希方案，称为哈达玛矩阵引导的在线哈希（HMOH）。我们的关键创新在于引入哈达玛矩阵，这是一种通过Sylvester方法构建的正交二值矩阵。具体而言，为解除对强约束的需求，我们将哈达玛矩阵的每一列视为每个类标签的目标码，其天然满足哈希码的几个期望属性。为加速在线训练，首先采用LSH将目标码与待学习二值码的长度对齐。然后我们将哈希函数的学习视为一组二值分类问题以拟合所分配的目标码。最后，大量实验证明了所提方法相对于各种最先进方法的优越精度与效率。代码见 https://github.com/lmbxmu/mycode。
引用
@article{arxiv.1905.04454,
title = {Hadamard Matrix Guided Online Hashing},
author = {Mingbao Lin and Rongrong Ji and Hong Liu and Xiaoshuai Sun and Shen Chen and Qi Tian},
journal= {arXiv preprint arXiv:1905.04454},
year = {2020}
}