哈希檢索之Feature Learning based DPSH with Pairwise Labels
今天看了一篇關於哈希檢索的論文---Feature Learning based Deep Supervised Hashing with Pairwise Labels
這篇提出的DPSH主要是在14年CNNH這篇工作上進行改進的，論文中多次提及本文與其的比較。
之前的這篇工作沒有實現端到端，沒有將特徵的學習和哈希編碼的學習結合起來，見下圖，能夠將在CNN中學到的特徵，能夠聯合後面的哈希編碼的學習進行更準確的檢索。
再第一部分的CNN特徵提取中，運用的是Alexnet網路進行訓練，包括五層卷積層兩層全連接層，詳細的參數見下表：
在第二部分的哈希編碼模塊，本文的主要工作是提出了一個優化的函數，能夠使得模型達到最小的損失。
下圖是2014年提出的LFH工作中應用的公式：
s的取值為1或者0，為1說明匹配的兩個特徵很相似，bi與bj具有更近的距離。
優化函數：
在本文的DPSH中：
優化函數：
為了能聯合第一部分的特徵學習以及第二部分的哈希的學習，作者提出了：
這樣就建立了最後在fc7層輸出的向量與point x的聯繫，關於point x是能根據二進位編碼ui學習到的哈西特徵。
則最後的優化函數為：
通過上面作者提到的新想法，作者提出的DPSH實現了端到端的feature learning and hash code learning .....
哈希檢索在之前的工作中還是有許多貢獻的，其實之前看過的一篇大規模辭彙樹檢索中沒有用到現在的最新技術-CNN,用的傳統的方法還是很不錯的，其中用到了哈西的倒排索引實現某張圖片在資料庫查詢相似的圖片的結果。和本文沒有太大聯繫哈，只是說一下哈希應用的廣泛性。
所以說，哈希檢索也是一塊非常值得深入研究的方向啊！歡迎大家留言關注，還望廣泛轉載！感謝大家的閱讀，我是小女程序子，集鬥志與文藝於頭條的小女子~
