作者:
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:
由于较低的检索时间和空间复杂度,哈希方法被广泛应用于大规模图像检索领域.提出深度多监督哈希(Deep Multi-Supervised Hashing,DMSH)方法来学习具有高度判别能力和紧凑的哈希编码,并进行有效的图像检索.设计一个新的卷积神经网络结构来产生相似性保留的哈希编码,用一个识别信号来增加类间距离,用一个验证信号来降低类间距离.同时,通过正则化的方式降低网络输出和二进制哈希编码之间的损失并使二进制哈希值在每一维上均匀分布使网络输出更接近离散的哈希值.在两个数据集上的实验证明了该方法能够快速编码任意新的图像并取得先进的检索结果.
推荐文章
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
面向Web图像检索的基于语义迁移的无监督深度哈希
语义迁移
图像哈希
Web图像检索
深度学习
基于有监督哈希的肺结节CT图像检索
肺结节
图像检索
多特征提取
有监督哈希
自适应权重
分类
一种多尺度平衡深度哈希图像检索方法
多尺度
平衡性
深度哈希
卷积神经网络
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 基于深度多监督哈希的快速图像检索
来源期刊 计算机应用与软件 学科 工学
关键词 图像检索 深度多监督哈希 卷积神经网络
年,卷(期) 2019,(11) 所属期刊栏目 图像处理与应用
研究方向 页码范围 229-234
页数 6页 分类号 TP3
字数 4609字 语种 中文
DOI 10.3969/j.issn.1000-386x.2019.11.037
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 郁延珍 复旦大学计算机科学技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
图像检索
深度多监督哈希
卷积神经网络
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导