| 深度优先局部聚合哈希 |
| |
| 引用本文： | 龙显忠,程成,李云.深度优先局部聚合哈希[J].湖南大学学报(自然科学版),2021,48(6):58-66. |
| |
| 作者姓名： | 龙显忠 程成 李云 |
| |
| 作者单位： | 南京邮电大学 计算机学院,江苏 南京210023;江苏省大数据安全与智能处理重点实验室,江苏 南京210023 |
| |
| 摘 要： | 已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.
|
| 关 键 词： | 深度哈希学习 卷积神经网络 图像检索 局部聚合描述子向量 |
Deep Priority Local Aggregated Hashing |
| |
| LONG Xianzhong,CHENG Cheng,LI Yun.Deep Priority Local Aggregated Hashing[J].Journal of Hunan University(Naturnal Science),2021,48(6):58-66. |
| |
| Authors: | LONG Xianzhong CHENG Cheng LI Yun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
|
