基于抗几何变换的离散深度哈希算法

摘要

现有的深度哈希算法首先利用连续松弛策略学习连续的近似码,然后通过量化运算将其转化为离散哈希码,导致哈希码出现次优问题.为了解决上述问题,提出了一种基于抗几何变换的离散深度哈希算法,利用抗几何变换和语义监督信息直接指导离散哈希码的学习.首先,本文将离散哈希码学习和深度特征学习集成在一个统一的网络框架中,利用语义监督来指导离散哈希码学习.其次,设计了一种抗几何变换模块来实现几何不变描述特征学习.最后,开发了一个新的损失函数来进行有效的离散哈希码学习.两个数据集CIFAR-10和NUS-WIDE上的大量实验结果表明,所提方法可以实现比其他最新哈希方法更优越的性能.