面向汉明空间检索的迁移对抗哈希
计算机视觉与模式识别
2017-12-14 v1
摘要
由于其存储与检索效率，哈希被广泛用于大规模图像检索。现有的深度哈希工作假设目标域中的数据库与源域中的训练集同分布。本文将该假设放宽至迁移检索设定，允许数据库与训练集来自不同但相关的域。然而，迁移检索设定会带来两个技术困难：首先，由于较大的分布差距，在源域上训练的哈希模型在目标域上表现不佳；其次，域差距使得难以将数据库点集中到小的汉明球内。因此，现有哈希方法在汉明半径 2 内的迁移检索性能显著下降。本文提出迁移对抗哈希（TAH），一种新型混合深度架构，它结合成对 分布交叉熵损失来学习紧凑哈希码，并利用对抗网络对齐源域与目标域之间的数据分布。TAH 能生成紧凑的迁移哈希码，以在源域和目标域上均实现高效图像检索。综合实验验证 TAH 在标准数据集上取得了最先进的汉明空间检索性能。
引用
@article{arxiv.1712.04616,
title = {Transfer Adversarial Hashing for Hamming Space Retrieval},
author = {Zhangjie Cao and Mingsheng Long and Chao Huang and Jianmin Wang},
journal= {arXiv preprint arXiv:1712.04616},
year = {2017}
}