基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着信息技术及智能设备的快速发展,人们每天产生的图像数据不断增多,如何快速有效地从大规模的图像数据中获取自己所需要的图像,已经成为了目前研究的热点问题之一.其中,基于哈希的最近邻查询方法是解决大规模查询问题的方法之一.近年来出现的各种哈希学习方法,从不同角度来考虑解决图像检索问题,排序哈希即是其中一种.为了全面了解排序哈希的研究现状和最新进展,本文对其中的几种方法进行重点介绍.此外,除哈希学习以外,机器学习排序也是搜索领域的一大热点,其通过大量的训练数据构造学习模型,然后对新数据进行打分,并根据分数高低进行排序,分数越高即表示相关程度越高.本文将结合排序学习和哈希学习的优势,详细介绍结合两者所提出的排序哈希,介绍如何对当前哈希学习算法进行改进来得到更好的查询准确度和更快的搜索结果.排序哈希算法具有简单、迭代速度快的优点,在图像检索中表现出准确、高效的特点,是未来搜索领域的重点发展目标之一.
推荐文章
基于PCA的哈希图像检索算法
哈希
图像检索
主成分分析
流形学习
基于无监督哈希算法的车辆图像快速检索
无监督哈希
三元组
卷积神经网络
车辆图像
快速检索
基于哈希技术的BoV W图像检索
二进制哈希码
视觉词袋模型
二进制视觉词典
图像检索
一种利用局部结构信息的加权哈希图像检索算法
投影函数
局部结构信息
迭代量化
平衡各维方差
图像检索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 图像检索中的排序哈希算法研究综述
来源期刊 数据通信 学科 工学
关键词 相似性查询 哈希学习 大数据 机器学习排序 图像检索 排序哈希
年,卷(期) 2018,(6) 所属期刊栏目 技术交流
研究方向 页码范围 34-40
页数 7页 分类号 TP313
字数 6696字 语种 中文
DOI 10.3969/j.issn.1002-5057.2018.06.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨安邦 宁波大学信息科学与工程学院 3 2 1.0 1.0
2 寿震宇 宁波大学信息科学与工程学院 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (27)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (4)
二级引证文献  (0)
1961(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
相似性查询
哈希学习
大数据
机器学习排序
图像检索
排序哈希
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据通信
双月刊
1002-5057
11-2841/TP
大16开
北京市海淀区学院路40号
82-891
1980
chi
出版文献量(篇)
2014
总下载数(次)
6
总被引数(次)
7821
论文1v1指导