用于圖像語義檢索的深度哈希算法.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)上的圖像資源也在以爆炸的速度增長，為了在如此大規(guī)模的數(shù)據(jù)中根據(jù)不同用戶各自的需求來高效地檢索相關(guān)的圖像，哈希相關(guān)的檢索算法應(yīng)運而生。然而在現(xiàn)存的大多數(shù)傳統(tǒng)哈希算法中，圖像特征提取和后續(xù)的哈希函數(shù)學(xué)習(xí)是割裂的，這使得特征很難與哈希函數(shù)學(xué)習(xí)過程適配，影響了檢索效果。基于深度學(xué)習(xí)的哈希算法的出現(xiàn)緩解了這一問題，但仍面臨優(yōu)化復(fù)雜難于訓(xùn)練，生成哈希碼冗余性強等一系列問題。
　　在本文中提出了基于深度學(xué)習(xí)的語義檢索哈希

2、算法(簡稱DHSR)，該方法使用深度卷積神經(jīng)網(wǎng)絡(luò)同時進(jìn)行特征提取和哈希函數(shù)學(xué)習(xí)，實現(xiàn)了完全端到端的訓(xùn)練學(xué)習(xí)，將圖像特征的提取和哈希函數(shù)的學(xué)習(xí)融入到同一個過程中，使這兩部分互相適配促進(jìn)，還提出結(jié)合了樣本點標(biāo)簽和樣本對標(biāo)簽兩種監(jiān)督信息以及量化誤差的優(yōu)化目標(biāo)，使得神經(jīng)網(wǎng)絡(luò)模型可以在學(xué)習(xí)較好的個體語義特征的基礎(chǔ)上，生成保持樣本對原始相對位置關(guān)系的哈希碼。在此基礎(chǔ)上，本文進(jìn)一步提出了一種基于神經(jīng)網(wǎng)絡(luò)的復(fù)合哈希碼層次檢索策略，通過單次訓(xùn)練神經(jīng)網(wǎng)絡(luò)生