面向可扩展多标签图像检索的秩一致性深度哈希
计算机视觉与模式识别
2021-02-03 v1 多媒体
摘要
随着哈希成为大规模图像检索中日益受青睐的技术,多标签哈希也因能利用多层次语义内容而受到更多关注。本文提出一种新颖的深度哈希方法用于可扩展多标签图像检索。与现有采用对比损失、三元组损失等常规目标的方法不同,我们使用排序列表而非样本对或三元组,为所有样本提供充分的全局监督信息。具体而言,应用一种新的秩一致性目标来对齐原始空间与汉明空间中两个空间的相似度顺序。设计了一个强大的损失函数,用于惩罚在两个空间中语义相似度与汉明距离不匹配的样本。此外,提出一种多标签 softmax 交叉熵损失,以简洁的导数函数形式增强判别力。为处理具不同标签样本的领域结构,我们设计了一种多标签聚类损失,通过减小样本与其多个对应类中心间的距离来聚类同标签样本的哈希向量。在 MIRFLICKR-25K、IAPRTC12 和 NUS-WIDE 三个公开多标签数据集上取得的 SOTA 实验结果证明了所提方法的有效性。
引用
@article{arxiv.2102.01486,
title = {Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search},
author = {Cheng Ma and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2102.01486},
year = {2021}
}