面向大规模图像检索的深度多尺度注意力哈希网络

摘要：

针对现有哈希方法所存在的特征提取能力有限、量化约束机制低效等问题,提出一个深度多尺度注意力哈希网络进行大规模图像检索.整个网络由主分支和对象分支两个子网络组成.其中,在主分支网络中加入多尺度注意力定位和显著性区域提取两个模块,以有效定位和提取图像中的显著性区域,并将执行结果送入对象分支网络学习更为丰富的细节特征;同时,将两个子网络学习到的多粒度特征进行融合并执行二进制哈希编码;此外,引入三元组量化约束以减少量化误差,同时保持成对样本的相似度关系.为验证方法的有效性,文中在两个基准数据集上进行了广泛实验.实验结果表明,所提方法优于大部分现有的哈希检索方法.

关键词：深度学习、图像检索、哈希、注意力、量化

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;安徽省重点研究与开发计划面上攻关项目

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：35-45