基于离散监督哈希的图片检索算法研究

发布时间：2024-06-05 19:51

　　随着互联网与多媒体技术的快速发展,网络上可用图像数量呈现爆炸式增长,社会进入了以“大数据”为标志的网络数据时代。因此,如何快速从海量数据库中搜索到特定的图像,已成为一个极具挑战性的任务。在实际应用中,由于哈希算法具有高效的检索效率,所以成为最受欢迎的候选方法之一。哈希算法的本质是解决一个离散优化问题,然而,大多数现有的哈希算法都选择去掉离散约束来解决一个松弛的连续优化问题。由于松弛会引起误差,所以这类哈希算法的通用性比较差。另一部分则选择应用单一形式的哈希函数,以及与这种特定形式紧密耦合的优化过程,但这种紧密耦合会限制哈希算法响应数据的灵活性,还可能导致难以解决的复杂优化问题。此外,当使用哈希编码和整数值汉明距离进行检索时,最终的排名通常包含着联系,不同的平局决胜策略会导致不同的结果。现有的哈希算法缺乏联系意识。为解决上述问题,本文提出了一种离散监督哈希算法。该算法采用了一种简单并灵活的两步哈希框架,它可以容纳不同类型的哈希函数。这个算法的具体步骤如下:(1)哈希编码学习阶段,采用了一种基于列采样的离散优化方法,它可以直接从语义信息中学习训练数据的哈希编码;(2)哈希函数学习阶段,通过...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

下面通过使用不同的哈希函数来评估TSH算法的性能。选择的哈希函数有：径向基核函数的SVM（TSH-RBF），具有内核转移特征的线性SVM（TSH-KF），线性SVM（TSH-LSVM），带有决策树桩的Adaboost（TSH-Stump）。其中，TSH-Stump的迭....

图4.2TSH算法的训练时间由上述实验结果可知，TSH算法可以有效的解决图像检索问题，所以本小节主要对比了使用不同损失函数的TSH算法和DSH的检索性能。实验结果如表4.3和表4.4所示。表4.3与TSH算法对比的实验结果

像的大小调整为64×64。由第三章可知，这里提出了两种方法CNNH和CNNH+，验结果与KSH算法进行了比较。在数据集CIFAR-10上，CNNH+算法和使用不同特征表示的KSH算法进行了比，结果如图4.3所示。

本文编号：3989859