深度学习入门:Supervised Hashing for Image Retrieval via Image Representation Learning
来源:互联网 发布:win10深度系统优化 编辑:程序博客网 时间:2024/06/19 03:23
Supervised Hashing
for Image Retrieval via Image Representation Learning
这篇论文主要是哈希方法引入CNN的首篇文章。核心思想是把一个image encode成为一个二进制表示的vector。这样做的好处是可以大幅度的减少存储feature的磁盘开销。该片paper分为两个stage,第一个阶段主要是从LMNN受到的启发,先做一个相似度矩阵S,其中sij=1表示相似的图片,sij=-1表示不相似的图像。S的大小是n*n,n表示图像的个数。
下一步是把S分解成为S=H*H^T,H大小为N*Q,Q直观地表示是把N压缩之后的大小,也就是说用大小为Q的vector表示大小为N的vector,这里的vector中的每个元素表示的是和其他vector的区别(用1和-1表示),之后会使用压缩之后的Q作为label。
第一阶段:hash的目标使得相似的映射到相近的区域。不同的label尽量的远一些,相同的尽量放到一起。如图所示:
第一阶段主要是把S分解成为H,如下图的左侧,右侧表示的把学习到的H,(红色点)
作为label,原始的图像作为输入的data,去学习image representations。这些学习到的representations具有discriminative的能力。
下一阶段分为两种方法,CNNH和CNNH+
CNNH:
CNNH的输入时image,对应的label是stage1学习到的Q,这里用红色表示。
CNNH+:
CNNH+加入了黑色的点。这些点是原image的对应标签,输入的图像是多标签的,有沙滩天空,对应的位置标签是1。这里使用加入了黑色的label。CNNH+使用黑色和红色的点作为label,学习特征。
- 深度学习入门:Supervised Hashing for Image Retrieval via Image Representation Learning
- Supervised Hashing for Image Retrieval via Image Representation Learning
- Supervised Hashing for Image Retrieval via Image Representation Learning
- Supervised Hashing for Image Retrieval via Image Represention Learning-笔记1
- 图像检索--Deep Supervised Hashing for Fast Image Retrieval
- Supervised Learning of Semantics-Preserving Hashing via Deep Neural Networks for Large-Scale Image S
- Hashing baseline for image retrieval
- 深度学习入门:Aggregating Deep Convolutional Features for Image Retrieval
- 深度学习用于基于内容的图像检索 Deep Learning for Content-Based Image Retrieval
- Bit-Scalable Deep Hashing with Regularized Similarity Learning for Image Retrieval and Person Re-ide
- 笔记:Semi-Supervised Low-Rank Representation for Image Classification
- Instance-Aware Hashing for Multi-Label Image Retrieval
- CNN for image retrieval
- Multimodal semi-supervised learning for image classification总结
- ONE-CLASS SVM FOR LEARNING IN IMAGE RETRIEVAL
- Deep Learning of Binary Hash Codes for Fast Image Retrieval
- Deep Learning of Binary Hash Codes for Fast Image Retrieval
- 【深度学习】深度学习中监督优化入门(A Primer on Supervised Optimization for Deep Learning)
- Javascript 严格模式use strict详解
- SDKD 2016 Summer Single Contest #02.B
- 【数字图像处理学习笔记之六】基本灰度级形态学算法
- Bootstrap之网站导航栏制作
- x264 android移植
- 深度学习入门:Supervised Hashing for Image Retrieval via Image Representation Learning
- 避免进入页面EditText自动弹出软键盘
- DrawerLayout与ToolBar之双宿双飞
- 消息队列设计精要
- 转boolean时,值为假的情况
- myBaties的级联查询
- Java面向对象
- qt中的各种workaround
- myBaties的级联查询