面向图像检索的难例引导哈希方法
计算机视觉与模式识别
2021-12-28 v1
摘要
与传统哈希方法相比，深度哈希方法生成的哈希码具有丰富的语义信息，并大幅提升了图像检索领域的性能。然而，当前的深度哈希方法在预测难例的相似性方面表现不尽如人意。影响难例学习能力的主要因素有两个，即关键特征提取薄弱与难例匮乏。本文提出一种新颖的端到端模型，从难例中提取关键特征并获得具有准确语义信息的哈希码。此外，我们重新设计了一种难例成对损失函数，以评估难例程度并更新样本的惩罚权重，有效缓解了难例匮乏问题。在CIFAR-10和NUS-WIDE上的实验结果表明，我们的模型优于主流的基于哈希的图像检索方法。
引用
@article{arxiv.2112.13565,
title = {Hard Example Guided Hashing for Image Retrieval},
author = {Hai Su and Meiyin Han and Junle Liang and Jun Liang and Songsen Yu},
journal= {arXiv preprint arXiv:2112.13565},
year = {2021}
}