分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 哈希由于其在存储和检索效率方面的优势已经被广泛用于大规模多媒体检索。通过利用数据的语义相似度来提高哈希编码质量的监督哈希近来受到更广泛关注。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的方法。该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。并且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%检索精度。