Deep Learning of Binary Hash Codes for Fast Image Retrieval阅读总结

系统管理员 2022-10-30 01:25 134阅读 0赞

**《Deep Learning of Binary Hash Codes for Fast Image Retrieval》**

# 摘要 #

*  提出了一个有效的架构产生快速图像检索的二进制哈希索引码
 *  在有标签情况下，在CNN基础上使用隐藏层表示主导标签的潜在概念来学习二进制哈希码
 *  相比于其他监督方法使用pair-wised的输入，我们的技术基于point-wised
 *  我们的方案相比于state-of-art表现出色

# 1.引言 #

灵感1——CNN:

*  Krizhevsky等人使用CNN第7层的输出作为特征向量进行图像检索
 *  由于第7层的输出的特征向量维数过高，Babenko等人采用PCA主  
    成分分析和discriminative dimensionality reduction技术进行降维，取得了更好的效果

灵感2——哈希：

*  传统的线性搜索不适用于大数据集，ANN或哈希方案加快了计算进程
 *  这些方法是一种降维技术，可以产生二进制码

我们的方案：

*  引入一个简单但有效的监督学习框架
 *  只需简单调整，我们的卷积神经网络可以同时学习图像表示与类哈希函数集
 *  在MNIST和CIFAR-10数据集上的表现超过了所有state-of-art
 *  以point-wised的方式学习二进制哈希码

# 2.相关工作 #

有很多种哈希算法，这些方法大致可以分为无监督方案与监督方案。

无监督算法：

*  Locality-Sensitive Hashing(LSH):最大化相似的数据映射到相似的二进制码
 *  Spectral hashing(SH):沿给定数据的PCA方向使用非线性函数进行阈值化生成紧凑的二进制代码

监督算法相比于无监督算法，在学习过程中结合了标签信息，但算法需要一个巨大的稀疏矩阵描述训练集中数据间的相似度。

深度架构也早已应用于图像检索，但大部分是无监督的，可以参见如下两篇论文：

*  R. Salakhutdinov and G. Hinton. Semantic hashing.Interna-tional Journal of Approximate Reasoning, 500(3):500, 2007.
 *  A. Krizhevsky and G. E. Hinton. Using very deep autoen-coders for content-based image retrieval. InESANN, 2011.

Xia等人使用了监督的深度哈希方法来进行图像检索，取得了很好的效果，但其空间复杂度高，不适用于大数据集。

# 3.方案 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1JlYWxDb2Rlcg_size_16_color_FFFFFF_t_70]  
方案由3部分组成：

*  在大规模数据集ImageNet上监督预训练
 *  微调网络，隐藏层同时学习图像表示与哈希函数集
 *  通过分层深度搜索检索相似图片

## 3.1学习类哈希二进制码 ##

*  在 F 7 F\_7 F7与 F 8 F\_8 F8之间加入一个隐藏层 H H H,激活函数采用 s i g m o d sigmod sigmod
 *  微调网络， H H H与 F 8 F\_8 F8参数随机初始化，其余冻结

## 3.2 通过分层深度搜索进行图像检索 ##

粗糙级别的搜索：  
记 H H H层的输出为 O u t ( H ) ∈ \[ 0 , 1 \] Out(H)\\in \[0,1\] Out(H)∈\[0,1\],二进制码为 H H H,二进制码长度为 h h h。  
对于 j = 1 ⋯ h , 有 H j = \{ 1 O u t j ( H ) ≥ 0.5 0 o t h e r w i s e j=1\\cdots h,有H^j=\\begin\{cases\} 1 ~~~~Out^j(H)≥0.5\\\\0 ~~~~otherwise\\end\{cases\} j=1⋯h,有Hj=\{ 1Outj(H)≥0.50otherwise  
定义m个候选图像，有候选池 P = \{ I 1 C , I 2 C , ⋯   , I m C \} P=\\\{I^C\_1,I^C\_2,\\cdots,I^C\_m\\\} P=\{ I1C,I2C,⋯,ImC\}(由Hamming距离阈值处理导出)

精细级别的搜索:  
给定查询图像 I q I\_q Iq和候选池 P P P,使用从 F 7 F\_7 F7提取的特征得到前 k k k个图像，使用欧式距离作为相似度衡量指标。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1JlYWxDb2Rlcg_size_16_color_FFFFFF_t_70]: /images/20221024/00b6b20a99224cfdaa33f3d94fecd62e.png