弱监督在线哈希
计算机视觉与模式识别
2021-07-09 v2
摘要
随着社交网站的快速发展，近年来带有用户提供的标签的社交图像呈爆发式增长，并持续以流式方式到达。由于查询速度快、存储成本低，基于哈希的图像检索方法已引起越来越多的关注。然而，现有的社交图像检索哈希方法基于批处理模式，这违背了社交图像的本质，即社交图像通常周期性生成或以流方式收集。尽管存在许多在线图像哈希方法，它们要么采用忽略相关标签的无监督学习，要么以需要高质量标签的监督方式设计。本文为克服上述局限，提出了一种名为弱监督在线哈希（WOH）的新方法。为学习高质量哈希码，WOH通过考虑标签语义并去除噪声来利用弱监督。此外，我们为WOH开发了离散在线优化算法，该算法高效且可扩展。在两个真实世界数据集上进行的大量实验证明了WOH相对于若干最先进（SOTA）哈希基线的优越性。
引用
@article{arxiv.2009.07436,
title = {Weakly-Supervised Online Hashing},
author = {Yu-Wei Zhan and Xin Luo and Yu Sun and Yongxin Wang and Zhen-Duo Chen and Xin-Shun Xu},
journal= {arXiv preprint arXiv:2009.07436},
year = {2021}
}
备注
Accepted by ICME 2021