用于多标签图像检索的直推式零样本哈希

哈希编码已广泛用于大规模图像检索的近似最近邻搜索。给定训练数据的语义标注（如类标签与成对相似度），哈希方法可学习并生成高效紧凑的二进制码。而一些新引入的图像可能含有未定义的语义标签，我们称之为未见图像，零样本哈希技术由此被研究。然而，现有零样本哈希方法聚焦于单标签图像检索，无法处理多标签图像。本文首次提出一种新颖的直推式零样本哈希方法用于多标签未见图像检索。为预测未见/目标数据的标签，通过在已见/源数据上的实例-概念一致性排序构建视觉-语义桥梁。随后，利用已见/源与未见/目标数据构造成对相似度损失与焦点量化损失以训练哈希模型。在三个流行多标签数据集上的充分评估表明，所提哈希方法显著优于对比方法。