一种多尺度平衡深度哈希图像检索方法

《一种多尺度平衡深度哈希图像检索方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第３６卷第２期计算机应用研究Ｖｏｌ３６Ｎｏ２２０１９年２月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＦｅｂ．２０１９一种多尺度平衡深度哈希图像检索方法１１２，３张艺超，黄樟灿，陈亚雄（１．武汉理工大学理学院数学系，武汉４３００７０；２．中国科学院西安光学精密仪器研究所，西安７１００４８；３．中国科学院大学，北京１０００４９）摘要：传统监督哈希方法将图像学习的手工特征或机器学习特征和二进制码的单独量化步骤分开，并未很好地控制量化误差，并且不能保证生成哈希码的平衡性。为了解决这个问题，提出了新的多尺度平衡深度哈希方法。该

2、方法采用多尺度输入，这样做有效地提升了网络对图像特征的学习效果；提出了新的损失函数，在很好地保留语义相似性的前提下，考虑了量化误差以及哈希码平衡性，以生成更优质的哈希码。该方法在ＣＩＦＡＲ１０以及Ｆｌｉｃｋｒ数据集上的最佳检索结果较当今先进方法分别提高了５．５％和３．１％的检索精度。关键词：多尺度；平衡性；深度哈希；卷积神经网络；图像检索中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１００１３６９５（２０１９）０２０６６０６２１０５ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．１０．０９６２Ｍｕｌｔｉｓ

3、ｃａｌｅｂａｌａｎｃｅｄｄｅｅｐｈａｓｈｉｎｇｍｅｔｈｏｄｆｏｒｉｍａｇｅｒｅｔｒｉｅｖａｌ１１２，３ＺｈａｎｇＹｉｃｈａｏ，ＨｕａｎｇＺｈａｎｇｃａｎ，ＣｈｅｎＹａｘｉｏｎｇ（１．Ｄｅｐｔ．ｏｆＭａｔｈｅｍａｔｉｃｓ，ＳｃｈｏｏｌｏｆＳｃｉｅｎｃｅ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７０，Ｃｈｉｎａ；２．Ｘｉ’ａｎＩｎｓｔｉｔｕｔｅｏｆＯｐｔｉｃｓ＆ＰｒｅｃｉｓｉｏｎＭｅｃｈａｎｉｃｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｘｉ’ａｎ７１００４８，Ｃｈｉｎａ；３．Ｕｎｉｖｅｒｓｉｔｙ

4、ｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｕｓｅｏｆｔｈｅｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙｉｍｐｒｏｖｉｎｇｔｈｅｈａｓｈｃｏｄｉｎｇｑｕａｌｉｔｙｈａｓｒｅｃｅｎｔｌｙｂｅｅｎｍｏｒｅｗｉｄｅｌｙｃｏｎｃｅｒｎｅｄ．Ｔｒａｄｉｔｉｏｎａｌｓｕｐｅｒｖｉｓｅｄｈａｓｈｍｅｔｈｏｄｓｆｏｒｉｍａｇｅｒｅｔｒｉｅｖａｌｒｅｐｒｅｓｅｎｔａｎｉｍａｇｅａｓａｍａｎｕａｌｆｅａｔｕｒｅｖｅｃｔｏｒｏｒａｍａｃｈｉｎｅｌｅａｒｎｉｎｇｆｅａｔｕｒｅｖｅｃｔｏｒ，ａｎｄ

5、ｔｈｅｎｐｅｒｆｏｒｍａｓｅｐａｒａｔｅｑｕａｎｔｉｚａｔｉｏｎｓｔｅｐｔｏｇｅｎｅｒａｔｅａｂｉｎａｒｙｃｏｄｅ．Ｓｕｃｈｍｅｔｈｏｄｓｄｏｎｏｔｃｏｎｔｒｏｌｔｈｅｑｕａｎｔｉｚａｔｉｏｎｅｒｒｏｒｅｆｆｅｃｔｉｖｅｌｙ，ａｎｄｃａｎｎｏｔｇｕａｒａｎｔｅｅｔｈｅｂａｌａｎｃｅｏｆｈａｓｈｃｏｄｅ．Ｔｏｔｈｉｓｅｎｄ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｎｅｗｍｕｌｔｉｓｃａｌｅｂａｌａｎｃｅｄｄｅｅｐｈａｓｈｍｅｔｈｏｄ．Ｔｈｅｍｅｔｈｏｄｕｓｅｄｍｕｌｔｉｓｃａｌｅｉｎｐｕｔ，ｗｈｉｃｈｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅ

6、ｄｔｈｅａｂｉｌｉｔｙｏｆｌｅａｒｎｉｎｇｔｈｅｉｍａｇｅｆｅａｔｕｒｅｓｆｒｏｍｔｈｅｎｅｔｗｏｒｋ．Ｍｏｒｅｏｖｅｒ，ｉｔｐｒｏｐｏｓｅｄａｎｅｗｌｏｓｓｆｕｎｃｔｉｏｎ．Ｕｎｄｅｒｔｈｅｐｒｅｍｉｓｅｏｆｐｒｅｓｅｒｖｉｎｇｔｈｅｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙ，ｉｔｔｏｏｋｔｈｅｑｕａｎｔｉｚａｔｉｏｎｅｒｒｏｒａｎｄｔｈｅｂａｌａｎｃｅｏｆｈａｓｈｃｏｄｅｉｎｔｏａｃｃｏｕｎｔｔｏｇｅｎｅｒａｔｅｔｈｅｈｉｇｈｑｕａｌｉｔｙｈａｓｈｃｏｄｅ．Ａｆｔｅｒｅｘｐｅｒｉｍｅｎｔｉｎｇｏｎｔｗｏｂｅｎｃｈｍａｒｋｄａｔａｂａｓｅｓ：

7、ＣＩＦＡＲ１０ａｎｄＦｌｉｃｋｒ，ｔｈｉｓｍｅｔｈｏｄｈａｓｂｅｅｎｉｍｐｒｏｖｅｄｂｙ５．５％ａｎｄ３．１％ｏｆｔｈｅｓｅａｒｃｈａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｗｉｔｈｔｏｄａｙ’ｓａｄｖａｎｃｅｄｉｍａｇｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｓ．Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉｓｃａｌｅ；ｂａｌａｎｃｅ；ｄｅｅｐｈａｓｈｉｎｇ；ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ；ｉｍａｇｅｒｅｔｒｉｅｖａｌ制哈希码。数据依赖的哈希方法根据给定的训练数据集是否０引言具有标签分为监督和无监督的方法。无监督哈希函数基于一［１］定概率理论，可

8、以实现局部敏感效应。无监督哈希方法通过使最近邻搜索（ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｓｅａｒｃｈ，ＮＮＳ）已经成为许用未标记的数据来学习哈希函数。现如今有许多无监督的哈多机器学习、数据挖掘、图像