基于深度多表哈希的大规模图像检索

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:dindin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于深度网络的强大表示能力,深度哈希已被证明对于大规模图像检索是有效的,可是依然存在问题限制检索性能的提升。一方面,现有的深度哈希方法仅利用单个深度哈希表,为了实现更高的检索召回率和精度,必须使用更长的哈希码,这导致以占用更多空间为代价。为了解决以上的问题,本文首先提出了一种排序敏感的加权多表深度有监督哈希—Weighted Multi-Deep Ranking Supervised Hashing(WMDRH)来证明多表深度哈希的有效性,哈希层嵌入于深度网络中。它采用了多个加权深哈希表,以提高精度/召回率的同时而不会增加空间使用量。另外还提出了基于图像对的排序敏感损失,确保通过对具有(小)大汉明距离的(不相似)相似图像对进行更多惩罚,从而生成有判别能力的哈希码。另一方面,尽管来自不同卷积层的深层特征具有不同级别的特性,但是上述方法(WMDRH)以及大多数现有的深层哈希方法仅从最后一个全连接分类层往前的完全连接层的输出中提取特征向量,主要关注点在语义信息上,而忽略细节的结构信息。这要求对多级哈希进行研究,利用多级功能来利用不同细粒度的CNN特性。为了充分利用CNN的不同层的特性,本文提出利用深度特征的多级有监督哈希——Multi-Level Supervised Hashing with Deep Features(MLSH),利用多层特征来用传统COSDISH哈希方法训练多个哈希表,它使用多重哈希表机制集成由对应的单个深度卷积神经网络提取的多级特征训练而得到的哈希表。该方法验证了利用了来自单个深度网络各个层的多层功能之间的互补性,可以使得哈希码更好地保留高级特征显示图像的语义内容的同时,提供高级特征中缺少的结构信息。可是上述方法是基于特征提取领域的,利用深度特征训练传统的哈希方法,使得哈希训练无法给特征提取提供反馈信息,本文在验证了多层CNN特征是有效的前提下,进一步提出了一种带注意力机制的逐位深度互补监督哈希—Bit-wise Attention Deep Complementary Supervised Hashing(BADCSH)。它提出了一种端到端系统,以增强方式顺序训练多个哈希表,每个哈希表都通过纠正由先前哈希表引起的错误来进行训练。来自不同级别的特征用于训练相应的哈希表。具有高级特征的哈希表旨在揭示图像的语义内容,而具有低级特征的哈希表获取数据的结构信息。此外,将密集注意力块添加到哈希层以不同地对待各种哈希位,这减少了位冗余并最大程度地提高了整体相似性保存。
其他文献
学位
有序回归问题是机器学习中一类重要的问题,它的目标是预测离散的有序类别,这导致它区别于多分类和回归问题。有序回归方法成功应用在很多现实场景中,包括年龄预测、信用评估
随着工业化、信息化的不断深入发展,以及人口老龄化造成的劳动力成本持续上涨,提高工业生产的信息化与智能化水平显得尤为重要。基于推动企业升级换代与促进社会生产力发展的考虑,本文针对积木机器人生产线上无序摆放、相互堆叠的小型零部件的分拣问题,设计了一种基于计算机视觉的可自主抓取的、扩展性强的小型零部件抓取系统,主要的研究内容和成果如下:1.结合零部件的实际特点,采用特征组合的方式来对颜色直方图特征和SI
近年来,一些政府单位办事程序繁冗复杂,引发办事群众的不满与诟病,凸显了地方政府政务服务乱像。本届中央政府通过大规模调整和下放行政审批事项,深入推进行政审批改革,各地
冠状动脉分割在血管解剖结构分析、冠脉疾病临床诊断(例如冠脉狭窄、冠脉钙化等)、冠脉外科手术方案制定以及血流情况建模等研究中至关重要。目前冠状动脉分割方法主要包括主
随着互联网时代下网络信息的爆炸式增长,多标签文本分类已经成为处理文本信息数据的一种有效手段。信息数据可以通过多标签文本分类快速准确地定位到所属类别,多标签文本分类
目的:KLHL22分子对膀胱癌的生长、迁移及侵袭的研究。方法:通过阅读文献了解KLHL22分子在人多个疾病的发病机制中所起的作用。综合生物信息数据库查找KLHL22在膀胱癌及正常膀胱组织中的m RNA表达量差异,再通过实时定量PCR和Western blot等实验手段验证其在膀胱癌细胞系与正常尿路粘膜上皮以及临床膀胱癌组织和相应的癌旁组织中m RNA和蛋白质的表达量的差异性。最后检测KLHL22分
精密球铰链具有三个方向的回转自由度,转动灵活、结构简单,是具备大承载能力的低副运动机构,广泛应用于机器人、并联机构、医疗器械等工业领域。为了提升装备运动精度,解决球
随着城市化进程的加快,建筑能耗呈急剧上升的趋势,建筑节能研究已成为我国节能减排工作的重点。近年来大数据相关技术和物联网技术的发展,为建筑节能提供了数据支撑。利用这
随着近年来大数据存储领域的快速发展,MongoDB已经成为了当前存储大数据时的选择之一。在MongoDB的分片式集群部署中,数据以分片的形式均匀的存储到所有的shard服务器中。在实际的应用中,MongoDB通过动态数据均衡的策略来保证所有shard服务器上分片数量的均衡,以此来保证系统运行时的性能。然而MongoDB的动态数据均衡策略并不能解决由热点数据引起的服务器超载问题,因此也就不能保证系统