基于相似度学习的在线哈希

在线哈希方法通常在线学习哈希函数，旨在高效适应流式环境中的数据变化。然而，当哈希函数更新时，整个数据库的二进制码必须随之更新以与哈希函数保持一致，导致在线图像检索过程效率低下。本文提出一种无需更新二进制码的新型在线哈希框架。在该框架中，哈希函数固定，并在线学习一个针对二进制码的参数化相似度函数以适配流式数据。具体而言，采用具有双线性形式的参数化相似度函数，并提出一种度量学习算法，基于哈希方法的特点在线学习该相似度函数。在两个多标签图像数据集上的实验表明，我们的方法在多标签图像检索的准确率和效率上可与最先进的在线哈希方法相媲美或优于后者。