多域单网络：基于交叉生成对抗网络的域自适应哈希
计算机视觉与模式识别
2019-07-02 v1 机器学习
摘要
随着近期数字数据的爆炸式增长，图像识别与检索成为一项关键的实际应用。由于存储需求低且查询速度快，哈希是解决该问题的有效方案。然而，过去的大多数工作集中于单一（源）域内的哈希。因此，学习到的哈希函数可能无法很好地适应与源域存在较大分布差异的新（目标）域。在本文中，我们探索了一种端到端的域自适应学习框架，能够同时且精确地生成具有判别性的哈希码并对目标域图像进行分类。我们的方法将两个域的图像编码到一个语义公共空间中，随后利用两个独立的生成对抗网络旨在交叉重建两个域的图像，从而减小域间差异并提升在共享空间中的对齐程度。我们在四个公开基准数据集上评估了我们的框架，所有结果均表明我们的方法在目标识别和图像检索任务上优于其他最先进的方法。
引用
@article{arxiv.1907.00612,
title = {One Network for Multi-Domains: Domain Adaptive Hashing with Intersectant Generative Adversarial Network},
author = {Tao He and Yuan-Fang Li and Lianli Gao and Dongxiang Zhang and Jingkuan Song},
journal= {arXiv preprint arXiv:1907.00612},
year = {2019}
}
备注
Accepted by IJCAI 2019