摘要：在时下的无监督深度哈希研究领域中,基于对比学习而提出的方法占主流地位.但是对比学习所采用的随机抽取负样本方式,会带来采样偏差问题,从而对图像检索精度造成负面影响.为解决以上问题,本文提出了一种基于偏差抑制对比学习的无监督深度哈希(unsupervised deep hashing based on bias suppressing contrastive learning,BSCDH).本文在对比学习框架的基础上提出了偏差抑制方法 (bias suppression, BSS),将错误负样本近似为极困难负样本,并设计了偏差抑制系数来抑制极困难负样本从而缓解采样偏差的负面影响.本文根据当前负样本与查询样本的相似度来确定其对应的抑制系数取值,并引入当前负样本与邻近的聚类中心间的距离关系对抑制系数进行取值修正,降低正常负样本被过度抑制的可能性.最终BSCDH的64位哈希码mAP@5000指标在CIFAR-10、FLICKR25K、NUS-WIDE数据集上分别达到0.696、0.833、0.819,相较baseline具有显著的性能优势.本文开展的大量实验证明了BSCDH在无监督图像检索方法中拥有较高的检索精度,且能有效应对采样偏差问题.

摘要：我爱读书,家里的书架上摆满了我爱看的书。每次看着书柜我就幻想着:要是有一座图书馆,里面有所有的书籍,那该多好啊!于是,我设计了空间图书馆。这座图书馆可以穿越空间,无论是过去还是现在的任何方面的书籍,只要我们一想到,空间图书馆的机器人导读者就可以马上为我们找到相关的书籍并呈现在我们的眼前,让我们可以尽情地在书海里遨游,幸福地享受着读书的乐趣!