基于随机VLAD的深度哈希方法用于高效图像检索
计算机视觉与模式识别
2020-02-07 v1 信息检索
图像与视频处理
摘要
图像哈希算法生成紧凑的二进制表示，可通过汉明距离快速匹配，从而成为大规模图像检索的高效方案。本文提出RV-SSDH，一种将经典VLAD（局部聚合描述子向量）架构融入神经网络的深度图像哈希算法。具体而言，通过变换层将随机VLAD层与潜在哈希层耦合，构成一种新颖的神经网络组件。该组件可与卷积层结合以实现哈希算法。我们将RV-SSDH实现为一种逐点算法，可通过最小化分类误差与量化损失进行高效训练。综合实验表明，这一新架构显著优于NetVLAD与SSDH等基线，并在当前最优方法中提供高性价比的权衡。此外，所提随机VLAD层以低复杂度取得令人满意的精度，因而作为NetVLAD的替代颇具潜力。
引用
@article{arxiv.2002.02333,
title = {Random VLAD based Deep Hashing for Efficient Image Retrieval},
author = {Li Weng and Lingzhi Ye and Jiangmin Tian and Jiuwen Cao and Jianzhong Wang},
journal= {arXiv preprint arXiv:2002.02333},
year = {2020}
}
备注
10 pages, 17 figures, submitted to IEEE Transactions on Image Processing