面向大规模图像检索的深度多尺度注意力哈希网络

针对现有哈希方法所存在的特征提取能力有限、量化约束机制低效等问题，提出一个深度多尺度注意力哈希网络进行大规模图像检索。整个网络由主分支和对象分支两个子网络组成。其中，在主分支网络中加入多尺度注意力定位和显著性区域提取两个模块，以有效定位和提取图像中的显著性区域，并将执行结果送入对象分支网络学习更为丰富的细节特征；同时，将两个子网络学习到的多粒度特征进行融合并执行二进制哈希编码；此外，引入三元组量化约束以减少量化误差，同时保持成对样本的相似度关系。为验证方法的有效性，文中在两个基准数据集上进行了广泛实验。实验结果表明，所提方法优于大部分现有的哈希检索方法。