贪心非对称深度有监督哈希图像检索方法

近年来,深度有监督哈希检索方法已成功应用于众多图像检索系统中.但现有方法仍然存在一些不足:一是大部分深度哈希学习方法都采用对称策略来训练网络,但该策略训练通常比较耗时,难以用于大规模哈希学习过程;二是哈希学习过程中存在离散优化问题,现有方法将该问题进行松弛,但难以保证得到最优解.为解决上述问题,提出了一种贪心非对称深度有监督哈希图像检索方法,该方法将贪心算法和非对称策略的优势充分结合,进一步提高了哈希检索性能.在两个常用数据集上与17种先进方法进行比较.在CIFAR-10数据集上48 bit条件下,与性能最好的方法相比,mAP提高1.3％;在NUS-WIDE数据集上所有比特下,mAP平均提高2.3％.在两个数据集上的实验结果表明,该方法可以进一步提高哈希检索性能.