面向大规模图像检索的深度哈希方法研究

发布时间：2023-01-26 05:34

　　随着互联网的飞速发展和具有拍照功能的智能设备的日益普及,人们可随时随地拍照并将照片上传到网络上,各类图像库的规模呈现爆炸式地增长。在大规模图像数据资源中快速查找需要的图像数据已经成为十分艰巨的任务和难题。为了解决上述大规模图像检索问题,一个有效的解决方案是使用近似最近邻搜索算法。在实现近似最近邻搜索算法的技术手段中,将数据映射为二进制码的哈希方法因其内存消耗低和搜索速度快受到了越来越多学者的关注。由于深度学习对图像特征的强大学习能力,将深度学习与哈希学习相结合的深度哈希方法也成为一个热门研究方向,受到了学者们的广泛关注。本文针对三种典型的大规模图像检索场景（即简单相似图像检索、多标签图像检索和图像-文本跨模态检索）,对深度哈希方法进行了深入研究,并取得以下研究成果:（1）针对简单相似图像检索场景中的哈希码学习问题,提出了一种深度非线性映射监督哈希方法（Deep Supervised Hashing with Nonlinear Projections,DSHNP）。在现有深度哈希方法中,其哈希映射过程都是采用线性映射函数实现的,限制了哈希映射函数的学习能力,从而影响到哈希模型的性能。为... 

【文章页数】：112 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1. 研究背景及意义
    1.2. 研究内容
    1.3. 研究目标
    1.4. 论文的主要贡献
    1.5. 论文的组织结构
第2章 相关技术与相关研究综述
    2.1. 相关技术介绍
        2.1.1. 深度学习
        2.1.2. 多示例学习
        2.1.3. 排序学习
    2.2. 相关研究综述
        2.2.1. 简单相似图像检索场景
        2.2.2. 多标签图像检索场景
        2.2.3. 图像-文本跨模态检索场景
第3章 面向简单相似图像检索的深度非线性映射监督哈希方法
    3.1. 引言
    3.2. 深度非线性映射监督哈希方法
        3.2.1. 问题定义
        3.2.2. 非线性映射函数
        3.2.3. 正交性约束
        3.2.4. 目标函数及其松弛变换
        3.2.5. 模型学习
    3.3. 实验与分析
        3.3.1. 数据集
        3.3.2. 评估指标
        3.3.3. 对比方法
        3.3.4. 参数设置
        3.3.5. 经验性分析
        3.3.6. DSHNP与对比算法的实验结果对比及分析数据集
    3.4. 本章小结
第4章 面向多标签图像检索的深度多示例排序哈希方法
    4.1. 引言
    4.2. 深度多示例排序哈希方法
        4.2.1. 问题定义
        4.2.2 示例特征学习
        4.2.3. 包特征构造
        4.2.4. 哈希编码
        4.2.5. 目标函数
        4.2.6. 模型训练
    4.3. 实验与分析
        4.3.1. 数据集
        4.3.2. 评估指标
        4.3.3. 对比方法
        4.3.4. 参数设置
        4.3.5. DMIRH与对比算法间的实验结果比较及分析
        4.3.6. 经验性分析
    4.4. 本章小结
第5章 面向图像-文本跨模态检索的深度示例级关联跨模态哈希方法
    5.1. 引言
    5.2. 深度示例级关联跨模态哈希方法
        5.2.1. 问题定义
        5.2.2. 数据库样本点的哈希码学习
        5.2.3. 查询样本点的哈希函数学习
        5.2.4. 目标函数
        5.2.5. 模型训练
        5.2.6. 样本外数据处理
    5.3. 实验与分析
        5.3.1. 数据集
        5.3.2. 评估指标
        5.3.3. 对比方法
        5.3.4. 参数设置
        5.3.5. 经验性分析
        5.3.6. DCMHIC与对比算法间的实验结果比较及分析
        5.3.7. 参数敏感度分析
    5.4. 本章小结
第6章 结束语
    6.1. 论文总结
    6.2. 工作展望
参考文献
致谢
攻读博士学位期间发表的论文与研究成果



本文编号：3732229