您当前所在位置: 首页

论文收录信息

论文编号 201802-86
论文题目 使用深度监督哈希的快速多标签图像检索
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

使用深度监督哈希的快速多标签图像检索

引用

复制文本

导出参考文献

.txt .ris .doc

钱鹰

钱鹰(1968-),男,三级教授,硕导,主要研究方向:图形图像与多媒体

叶青青

叶青青(1992-),女,主要研究方向:数字媒体与通信技术

发送私信

发送给钱鹰

重庆邮电大学图形图像与多媒体实验室,重庆 400065

摘要:现在存在的大部分监督哈希是将手工提取的特征转换为哈希值,然后根据图像标签为监督信息得到损失函数,但是手工提取特征以及不完全考虑所有损失的损失函数会降低检索精度。监督哈希算法主要目的是通过训练数据以及数据的标签提升数据与相应哈希的相似度,从而提高检索的相似度。本文提出了一个新的监督哈希算法,将每个图像的多标签转换为二进制向量,通过汉明距离得到成对图像的相似度,放入损失函数中作为监督信息,加上图像特征量化为哈希码时的量化误差以及所有图像哈希码与平衡值的差值,结合以上所有部分生成损失函数,进行网络训练。实验结果显示本文的方法在检索精度上比现有的方法有所提升。

关键词: 哈希函数 损失函数 神经网络 标签

图表:

同行评议

评论

评论一下

全部评论
评论