基于多任务深度哈希学习的大规模物流商品图像检索方法

摘要

一种基于多任务深度哈希学习的大规模物流商品图像检索方法，通过基于多任务的思想，可以同时学到多种长度的哈希码作为图像的高级表征。与传统的单任务相比，解决了单任务下模型重新训练导致的硬件资源浪费和时间成本开销大等弊端。与传统仅仅考虑学习单个哈希码作为图像的表征并来用检索相比。挖掘了多种长度哈希码之间的信息关联，设计了互信息损失来增强其哈希码的表征能力，解决了单个哈希码表征能力不强的弊端，进而提高哈希码的检索性能。同时模型是基于端到端的学习，即图像的特征提取和哈希码的学习是同时进行的，与传统的线性哈希方法相比，模型结构直观，容易迁移与部署实现。