相关实验视频
Updated: Jul 24, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
一种高效的监督深度哈希方法用于图像检索
Abid Hussain1, Heng-Chao Li1, Muqadar Ali1
1School of Computing and Artificial Intelligence, Southwest Jiao Tong University, Chengdu 611731, China.
Entropy (Basel, Switzerland)
|July 8, 2023
概括
研究人员开发了一种使用卷积神经网络 (CNN) 和多个非线性投影进行高效图像检索的新深度哈希方法. 这种方法比传统的单投影哈希技术提高了准确性和灵活性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 从大型数据库中高效地检索图像是一个重大挑战.
- 当前的哈希方法通常使用单个线性投影,限制灵活性并导致优化问题.
研究的目的:
- 引入一种基于CNN的新哈希方法,利用多个非线性投影进行增强的图像检索.
- 开发一个端到端的深度哈希系统,以提高性能.
主要方法:
- 一个卷积神经网络 (CNN) 架构被用于哈希.
- 多个非线性投影被用来生成短位二进制代码.
- 设计了一个专门的损失函数,以保持图像相似性并最大限度地减少量化错误.
主要成果:
- 与现有的最先进的深层哈希技术相比,拟议的方法表现出更高的性能.
- 在各种数据集上的实验证实了该方法的有效性和意义.
- 该方法成功地保持了图像相似性,同时最大限度地减少了量子化错误.
结论:
- 由CNN开发的基于多个非线性投影的哈希方法为大规模图像检索提供了更灵活和更有效的解决方案.
- 拟议的系统和损失函数有助于深度哈希研究的进步.
