各向同性的迭代量化哈希算法

发布时间：2018-04-02 23:32

  本文选题：哈希　切入点：大规模图像检索　出处：《电子学报》2017年07期

【摘要】：准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希(Iterative Quantization,ITQ)和各向同性哈希(Isotropic Hash,Iso Hash)是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash算法缺乏对哈希编码的更新策略,降低了编码质量.针对上述问题,提出了一种各向同性的迭代量化哈希算法.该方法采用迭代的策略,对编码矩阵和旋转矩阵交替更新,并在正交约束的基础上增加各向同性约束来学习最优旋转矩阵,最小化量化误差.在CIFAR-10、22K Label Me和ANN-GIST-1M基准库上与多种方法进行对比,实验结果表明本文算法在查准率、查全率以及平均准确率均值等指标上均明显优于对比算法.
[Abstract]:Accurate and effective hash algorithm is the key to realize the nearest neighbor retrieval of massive high dimensional data.Iterative quantification hashing (ITQ) and isotropic hash Isotropic Hashso (Iso) are two well-known coding methods.However, the constraints imposed by the ITQ algorithm on the rotation matrix are too thin and easy to overfit, while the Iso Hash algorithm lacks an update strategy for hash coding, which reduces the coding quality.To solve the above problems, an isotropic iterative quantization hash algorithm is proposed.The method uses iterative strategy to update the coding matrix and the rotation matrix alternately and adds isotropic constraints on the basis of orthogonal constraints to learn the optimal rotation matrix and minimize the quantization error.Compared with many methods on CIFAR-10K Label me and ANN-GIST-1M datum, the experimental results show that the proposed algorithm is superior to the contrast algorithm in precision, recall and average accuracy.
【作者单位】： 江苏省大数据分析技术重点实验室;南京信息工程大学信息与控制学院;
【基金】：国家自然科学基金(No.61622305,No.61502238,No.61532009,No.61672292) 江苏省自然科学基金(No.BK20160040) 江苏省六大人才高峰(No.DZXX-037)
【分类号】：TP301.6

【相似文献】

相关期刊论文 前10条

1 陈一骄;卢锡城;孙志刚;;面向流管理的哈希算法研究[J];计算机工程与科学;2008年04期

2 邹保平;;基于一致哈希算法的用电信息采集系统研究[J];电力信息化;2011年06期

3 刘华珠;贺前华;;基于哈希算法的网络桥接器地址维护方法(英文)[J];科学技术与工程;2008年17期

4 王远;;可重构哈希算法芯片的设计与实现[J];电脑知识与技术;2012年04期

5 张江,傅鹤岗;基于关联规则的二维哈希算法的改进[J];计算机工程与设计;2005年08期

6 唐铭;史长琼;周恺卿;张大方;;倒插入分段哈希算法[J];计算机应用;2011年02期

7 孙阳;朱宏峰;刘天华;;一种新型抗旋转攻击的鲁棒哈希算法[J];小型微型计算机系统;2011年04期

8 贺贤明,邵雷兵;一种基于学习的自适应哈希算法研究[J];计算机应用与软件;2004年11期

9 邵雷兵,庄毅;一种基于学习的自适应哈希算法研究[J];微电子学与计算机;2004年08期

10 陈青华;;一种新型的图像哈希算法[J];兵工自动化;2011年05期

相关会议论文 前3条

1 刘宗斌;马原;荆继武;夏鲁宁;;SM3哈希算法的硬件实现与研究[A];第26次全国计算机安全学术交流会论文集[C];2011年

2 文振q;朱为总;欧阳杰;高金花;;一种鲁棒可区分的视频感知哈希算法[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 文振q;高金花;刘朋飞;杜以华;张萌;;基于分块DCT和PCA的图像感知哈希算法研究[A];第十五届全国图象图形学学术会议论文集[C];2010年

相关博士学位论文 前6条

1 金仲明;基于哈希算法的海量多媒体数据检索研究[D];浙江大学;2015年

2 焦玉华;音频感知哈希算法研究[D];哈尔滨工业大学;2010年

3 赵玉鑫;多媒体感知哈希算法及应用研究[D];南京理工大学;2009年

4 赵杠;对偶连接问题的哈希算法研究[D];复旦大学;2010年

5 胡媛媛;基于视觉模型的图像感知哈希算法研究[D];哈尔滨工业大学;2011年

6 袁鑫攀;基于minwise哈希的文档复制检测的研究及应用[D];中南大学;2012年

相关硕士学位论文 前10条

1 刘弘;基于Markov图模型的特征哈希算法[D];江西师范大学;2015年

2 杜丹丹;基于稀疏哈希算法的目标跟踪方法研究[D];大连理工大学;2015年

3 倪康康;基于哈希算法的图像检索系统[D];西安电子科技大学;2015年

4 高宪军;半监督哈希算法研究[D];西安电子科技大学;2014年

5 余俊伟;基于局部不变矩和DWT特征矩阵的图像哈希算法[D];广西师范大学;2015年

6 阮林林;基于局部线性嵌入和局部保持投影的图像哈希算法[D];广西师范大学;2015年

7 凌聪;基于改进的多索引哈希的相似图片搜索系统的研究与实现[D];中山大学;2015年

8 刘恒;面向多重需求的灵活可配的哈希算法硬件加速器研究[D];浙江大学;2016年

9 董献伦;基于关系型数据库的数据切分问题研究[D];山东大学;2016年

10 王建;快速近似近邻检索的哈希方法研究[D];山东大学;2016年

，

本文编号：1702625