基于度量学习的深度哈希网络用于遥感图像内容检索
计算机视觉与模式识别
2021-01-07 v3
摘要
哈希方法因计算高效与搜索快速，近来被证实对遥感（RS）图像检索非常有效。遥感中传统哈希方法通常利用手工特征学习哈希函数以获得二值码，这可能不足以最优表征遥感图像的信息内容。为克服该问题，本文引入一种基于度量学习的哈希网络，其学习：1）用于有效特征表示的基于语义的度量空间；2）用于快速档案检索的紧凑二值哈希码。我们的网络考量多重损失函数的相互作用，得以联合学习基于度量的语义空间，使相似图像在该目标空间中聚拢，同时产生紧凑的最终激活值，其二值化时信息损失可忽略。在两个基准遥感档案上的实验指出，与遥感领域最先进哈希方法相比，所提网络在相同检索时间下显著提升了检索性能。
引用
@article{arxiv.1904.01258,
title = {Metric-Learning based Deep Hashing Network for Content Based Retrieval of Remote Sensing Images},
author = {Subhankar Roy and Enver Sangineto and Begüm Demir and Nicu Sebe},
journal= {arXiv preprint arXiv:1904.01258},
year = {2021}
}
备注
Accepted to IEEE Geoscience and Remote Sensing Letters. For code visit: https://github.com/MLEnthusiast/MHCLN