• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Integration of semantic and visual hashing for image retrieval
【24h】

Integration of semantic and visual hashing for image retrieval

机译：语义和视觉哈希的集成，用于图像检索

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the rapid proliferation of large-scale web images, recent years have witnessed more and more images labeled with user-provided tags, which leads to considerable effort made on hashing based image retrieval in huge databases. Current research efforts focus mostly on learning semantic hashing functions which design compact binary codes to map semantically similar images into similar codes; however the visual similarity is not well explored for constructing semantic hashing functions. Here a novel approach is proposed to learn hashing functions that preserve semantic and visual similarity between images. Specifically, semantic hashing codes are first learned by leveraging the similarity between textual structure and visual structure; then, the maximum entropy principle is exploited to achieve compact binary codes; finally, the function decay principle is introduced to remove noisy visual attributes. Experimental results conducted on a widely-used image dataset demonstrate the superior performance of the proposed method over the examined state-of-the-art techniques. (C) 2016 Published by Elsevier Inc.
机译：随着大规模Web图像的迅速扩散，近年来目睹了越来越多的带有用户提供的标签标记的图像，这导致在大型数据库中基于哈希的图像检索上做出了相当大的努力。当前的研究工作主要集中在学习语义散列函数，该函数设计紧凑的二进制代码以将语义相似的图像映射为相似的代码。然而，对于构造语义散列函数而言，视觉相似性尚未得到很好的探索。这里提出了一种新颖的方法来学习保留图像之间语义和视觉相似性的哈希函数。具体而言，首先通过利用文本结构和视觉结构之间的相似性来学习语义哈希码。然后，利用最大熵原理实现紧凑的二进制代码。最后，引入了函数衰减原理，去除了嘈杂的视觉属性。在广泛使用的图像数据集上进行的实验结果表明，所提出的方法优于已检验的最新技术。 （C）2016由Elsevier Inc.发布

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