用于快速图像检索的无监督三元组哈希方法
计算机视觉与模式识别
2017-03-01 v1
摘要
哈希在大规模图像检索中扮演了关键角色。随着卷积神经网络（Convolutional Neural Network, CNN）的发展，哈希学习展现出巨大潜力。但现有方法大多针对分类任务进行调优，并未针对检索任务，尤其是实例级检索进行优化。在本研究中，我们提出了一种用于大规模图像检索的新型哈希方法。考虑到为大规模图像检索任务获取标注数据集的困难，我们提出了一种新颖的基于CNN的无监督哈希方法，即无监督三元组哈希（Unsupervised Triplet Hashing, UTH）。该无监督哈希网络的设计遵循以下三个原则：1）为图像检索提供更具判别力的表示；2）最小化原始实值特征描述符与学习到的哈希码之间的量化损失；3）最大化学习到的哈希码的信息熵。在CIFAR-10、MNIST和In-shop数据集上的大量实验表明，UTH在检索准确率方面优于多种当前最先进的无监督哈希方法。
引用
@article{arxiv.1702.08798,
title = {Unsupervised Triplet Hashing for Fast Image Retrieval},
author = {Shanshan Huang and Yichao Xiong and Ya Zhang and Jia Wang},
journal= {arXiv preprint arXiv:1702.08798},
year = {2017}
}