主页
2019-11-12：研究室的1篇图像哈希论文被TMM接收
研究室的1篇图像哈希论文被TMM接收为Regular论文：Yuxin Peng, Jian Zhang and Zhaoda Ye, "Deep Reinforcement Learning for Image Hashing", IEEE Transactions on Multimedia (TMM), DOI:10.1109/TMM.2019.2951462, Nov. 2019. (Accept)。祝贺张健，叶钊达同学！
现有的基于深度学习的图像哈希方法一般面临着离散哈希码引起的深度网络优化难题和量化损失带来的性能损失。针对上述问题，本文提出了基于深度强化学习的图像哈希方法，将离散哈希码作为离散决策序列，借助强化学习框架实现离散哈希码的生成与模型优化，缓解离散哈希码对深度学习造成的上述不利影响。同时提出哈希码序列化生成和优化策略，通过评估已生成哈希码的质量动态调整哈希生成函数，实现了在哈希码生成过程中对图像间相似度的排序错误进行纠正和调整，提高了图像哈希索引的准确性。
现有的基于深度学习的图像哈希方法一般面临着离散哈希码引起的深度网络优化难题和量化损失带来的性能损失。针对上述问题，本文提出了基于深度强化学习的图像哈希方法，将离散哈希码作为离散决策序列，借助强化学习框架实现离散哈希码的生成与模型优化，缓解离散哈希码对深度学习造成的上述不利影响。同时提出哈希码序列化生成和优化策略，通过评估已生成哈希码的质量动态调整哈希生成函数，实现了在哈希码生成过程中对图像间相似度的排序错误进行纠正和调整，提高了图像哈希索引的准确性。