• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Acoustics, Speech and Signal Processing >A Novel Deep Hashing Method with Top Similarity for Image Retrieval
【24h】

A Novel Deep Hashing Method with Top Similarity for Image Retrieval

机译：一种新的具有高度相似性的深度哈希方法用于图像检索

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Due to the advantages of retrieval speed and storage space, deep hashing methods have become a research hotspot in the field of large-scale image retrieval. Most of existing deep hashing methods pay close attention to similarity between images without images at the top of the ranking list similar to query targets. In the paper, a novel deep hashing model is proposed to preserve top images similar to the query images and optimize the quality of hash codes for image retrieval. Specifically, the optimized AlexNet is utilized to extract discriminative image representations and learn hashing functions simultaneously. The loss function based on acceleration strategy is designed to ensure similarity between returned images at the top of the ranking list and query images. In addition, we implement the model training in a batch-process fashion to low the image storage. Moreover, our extensive experiments on standard benchmarks demonstrate that our method outperforms several state-of-the-art deep hashing methods.
机译：由于检索速度和存储空间的优势，深度哈希方法已经成为大规模图像检索领域的研究热点。大多数现有的深哈希方法都密切关注图像之间的相似性，而在排名列表顶部的图像却没有与查询目标相似的图像。在本文中，提出了一种新颖的深度哈希模型，用于保留类似于查询图像的顶部图像，并优化用于图像检索的哈希码的质量。具体而言，优化的AlexNet用于提取判别性图像表示并同时学习哈希函数。基于加速策略的损失函数旨在确保排名列表顶部的返回图像与查询图像之间具有相似性。此外，我们以批处理方式实施模型训练，以减少图像存储量。此外，我们在标准基准测试中进行的大量实验表明，我们的方法优于几种最新的深度哈希方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号