avatar avatar 我的文献 基于高阶统计信息的深度哈希学习方法 单位 太原理工大学物理与光电工程学院 期刊 计算机工程 时间 关键词 深度哈希; 图像检索; 哈希学习; 高阶统计; 对比损失; 多级索引 基金 山西省自然科学基金(201801D121020,201801D221132)
摘要
深度哈希由于其检索效率和存储代价的优势被广泛应用于大规模图像检索领域,并取得良好效果。为增强哈希编码的区分能力,提高检索准确率和时间效率,本文提出了一种基于高阶统计信息的深度哈希学习模型(Balanceable and Compatible Multi-Index Deep High-order Hashing, BCI-DHH)。首先,采用改进的VGG-m对输入的图像分别提取基于层内的自相关特征和基于层间的互相关特征,并生成了归一化的高阶统计向量;其次,通过引入权重参数对训练样本中的正负样本数目进行平衡,提出了一种基于数据平衡性的对比损失函数;并在此基础上,对不相似图像对之间对应的多级索引哈希块进行差异化操作,增大了不相似图像与其查询图像之间的汉明距离,优化了多级哈希索引的兼容性;最后,通过在基准数据集上的实验结果证明了本文提出的方法在检索准确率和检索时间代价方面具有良好的性能。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭