SUBIC：一种用于图像搜索的有监督结构化二进制码
计算机视觉与模式识别
2017-08-10 v1
摘要
对于大规模视觉搜索，高度压缩且富有意义的图像表示是必不可少的。通常采用基于乘积量化及其变体的结构化向量量化器来实现此类压缩，同时最小化精度损失。然而，与二进制哈希方案不同，这些无监督方法尚未受益于深度学习革命带来的监督、端到端学习和新型架构。因此，我们在此提出一种新方法，使深度卷积神经网络能够为视觉搜索产生有监督的、紧凑的、结构化的二进制码。我们的方法利用了一种新颖的 block-softmax 非线性层和基于批次的熵损失，二者共同在所学编码中引入结构。我们表明，在单域和跨域类别检索、实例检索和分类中，我们的方法优于基于深度哈希或结构化量化的最先进紧凑表示。我们将代码和模型在线公开。
引用
@article{arxiv.1708.02932,
title = {SUBIC: A supervised, structured binary code for image search},
author = {Himalaya Jain and Joaquin Zepeda and Patrick Pérez and Rémi Gribonval},
journal= {arXiv preprint arXiv:1708.02932},
year = {2017}
}
备注
Accepted at ICCV 2017 (Spotlight)