非对称深度在线哈希

作     者：吴楠楠 杨宵晗 刘文皓 常心怡 郭呈银 王振 WU Nannan;YANG Xiaohan;LIU Wenhao;CHANG Xinyi;GUO Chengyin;WANG Zhen

作者机构：山东理工大学计算机科学与技术学院淄博255000 吉林大学符号计算与知识工程教育部重点实验室长春130012 

基　　金：国家自然科学基金(61841602) 山东省自然科学基金(ZR2020QF069,ZR2021MF017) 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2025年第54卷第1期

页      码：103-115页

摘      要：海量图像以流数据的形式实时涌入网络,使得在线图像检索需求越来越迫切。为了保证在线图像检索性能,研究人员利用在线哈希算法实时更新哈希函数,并重新学习新、旧数据集的哈希码。然而,随着旧数据集的日益积累,在线更新旧数据集的哈希码会严重影响在线检索效率。为此,提出非对称深度在线哈希(asymmetric deep online Hashing,ADOH),以非对称的方式深度学习在线哈希网络,并且仅生成新数据集的哈希码,无须更新旧数据集的哈希码,能够有效地提升在线检索效率。ADOH算法通过最小化哈希码内积与相似度矩阵之间的差异,保持样本对之间的语义相似性关系。另外,ADOH算法建立分类损失项和标签嵌入模块学习样本的语义信息,使生成的哈希码更具备语义鉴别性。在3个广泛使用的数据集cifar-10、mnist和Places205上设置在线近邻检索对比实验,结果表明ADOH算法的在线近邻检索性能优于目前8种较先进的在线哈希算法。

主 题 词：图像检索 在线哈希 深度学习 非对称学习 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.12178/1001-0548.2023170

馆 藏 号：203156929...