计算机应用研究

作者：张艺超,黄樟灿,陈亚雄,

单位：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；

关键词：多尺度,平衡性,深度哈希,卷积神经网络,图像检索,

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。

来源：2019年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第2期