深度哈希图像检索方法综述
随着网络上图像和视频数据的快速增长,传统图像检索方法已难以高效处理海量数据.在面向大规模图像检索时,特征哈希与深度学习结合的深度哈希技术已成为发展趋势,为全面认识和理解深度哈希图像检索方法,本文对其进行梳理和综述.根据是否使用标签信息将深度哈希方法分为无监督、半监督和监督深度哈希方法,根据无监督和半监督深度哈希方法的主要研究点进一步分为基于卷积神经网络(convolutional neural networks,CNN)和基于生成对抗网络(generative adversarial networks,GAN)的无监督/半监督深度哈希方法,根据数据标签信息差异将监督深度哈希方法进一步分为基于三元组和基于成对监督信息的深度哈希方法,根据各种方法使用损失函数的不同对每类方法中一些经典方法的原理及特性进行介绍,对各种方法的优缺点进行分析.通过分析和比较各种深度哈希方法在CIFAR-10和NUS-WIDE数据集上的检索性能,以及深度哈希算法在西安邮电大学图像与信息处理研究所(Center for Image and Information Processing,CLIP)自建的两个特色数据库上的测试结果,对基于深度哈希的检索技术进行总结,分析了深度哈希的检索技术未来的发展前景.监督深度哈希的图像检索方法虽然取得了较高的检索精度.但由于监督深度哈希方法高度依赖数据标签,无监督深度哈希技术更加受到关注.基于深度哈希技术进行图像检索是实现大规模图像数据高效检索的有效方法,但存在亟待攻克的技术难点.针对实际应用需求,关于无监督深度哈希算法的研究仍需要更多关注.
图像检索、无监督、监督、深度学习、哈希、深度哈希
25
TP391(计算技术、计算机技术)
国家重点研发计划项目;国家自然科学基金项目;公安部科技强警项目
2020-08-13（万方平台首次上网日期，不代表论文的发表时间）
共22页
1296-1317
