面向大规模图像检索的无监督保序哈希
计算机视觉与模式识别
2019-03-06 v1 信息检索
多媒体
摘要
我们提出一种无监督哈希方法，旨在生成保持由实值表示所诱导排序的二进制码。这种紧凑哈希码能够完全消除实值特征的存储，并显著降低了大规模图像检索应用的计算复杂度和存储成本。具体而言，我们学习一个基于神经网络的模型，将输入表示转换为二进制表示。我们以直观且有效的方式形式化网络的训练目标，将每个训练样本视为查询，旨在使用生成的哈希码获得与使用原始特征相同的检索结果。该训练公式直接针对其所生成哈希码的目标用途优化哈希模型。我们进一步探索添加解码器以近似重建原始特征。在测试时，我们仅使用哈希码通过高效的基于图的搜索过程检索最有希望的数据库样本，并使用重建特征进行重排序，从而完全无需访问原始特征。在多个公开可用的大规模数据集上的实验表明，我们的方法始终优于所有被比较的最先进无监督哈希方法，且重建过程能以极小的恒定额外成本有效提升搜索精度。
引用
@article{arxiv.1903.01545,
title = {Unsupervised Rank-Preserving Hashing for Large-Scale Image Retrieval},
author = {Svebor Karaman and Xudong Lin and Xuefeng Hu and Shih-Fu Chang},
journal= {arXiv preprint arXiv:1903.01545},
year = {2019}
}