2018-02-02:研究室的1篇哈希论文QaDWH被多媒体领域的顶级国际期刊TMM接收
本研究室的1篇论文被TMM接收为Regular论文:Jian Zhang and Yuxin Peng, "Query-adaptive Image Retrieval by Deep-Weighted Hashing", IEEE Transactions on Multimedia (TMM), 2018【pdf】【arXiv】。祝贺张健同学。
本论文针对现有深度哈希方法同等对待每个哈希码而忽略了其对于检索的不同贡献,同时离散的汉明距离也难以实现细粒度图像检索的问题,提出了查询自适应的深度权重哈希方法,同时训练哈希函数及其权重,实现查询自适应的细粒度图像检索以提高检索准确率。在训练阶段,本论文在深度网络中设计了哈希权重层表达了不同哈希函数对于检索的贡献程度,此外还提出了带权三元组损失函数,能够同时优化学习哈希函数及其权重,能够量化不同哈希函数对于检索的贡献程度。在查询阶段,本论文提出了查询自适应的图像检索方法,根据查询图像的类别预测概率和学习得到的哈希权重,自适应地为不同的查询图像生成不同的哈希函数权重,实现了查询自适应的细粒度图像检索。本方法的有效性在4个广泛使用的图像检索数据集上得到了验证,取得了比现有深度哈希方法更高的准确率。
本论文针对现有深度哈希方法同等对待每个哈希码而忽略了其对于检索的不同贡献,同时离散的汉明距离也难以实现细粒度图像检索的问题,提出了查询自适应的深度权重哈希方法,同时训练哈希函数及其权重,实现查询自适应的细粒度图像检索以提高检索准确率。在训练阶段,本论文在深度网络中设计了哈希权重层表达了不同哈希函数对于检索的贡献程度,此外还提出了带权三元组损失函数,能够同时优化学习哈希函数及其权重,能够量化不同哈希函数对于检索的贡献程度。在查询阶段,本论文提出了查询自适应的图像检索方法,根据查询图像的类别预测概率和学习得到的哈希权重,自适应地为不同的查询图像生成不同的哈希函数权重,实现了查询自适应的细粒度图像检索。本方法的有效性在4个广泛使用的图像检索数据集上得到了验证,取得了比现有深度哈希方法更高的准确率。