CVPR 论文阅读与翻译2:图像检索、哈希编码学习、深度哈希:Deep Learning of Binary Hash Codes for Fast Image Retrieval | 您所在的位置:网站首页 › 翻译codes › CVPR 论文阅读与翻译2:图像检索、哈希编码学习、深度哈希:Deep Learning of Binary Hash Codes for Fast Image Retrieval |
Deep Learning of Binary Hash Codes for Fast Image Retrieval-2015
用于快速图像检索的深度学习二进制哈希码
本文记录博主CVPR阅读心得,如理解有误,请及时指正交流。THANKS! 相关链接 论文解读 论文动机 论文主要贡献 具体研究方案 论文实验 论文翻译 相关链接:论文连接:https://www.iis.sinica.edu.tw/~kevinlin311.tw/cvprw15.pdf github连接: PyTorch版本:https://github.com/flyingpot/pytorch_deephash Caffe版本:https://github.com/kevinlin311tw/caffe-cvprw15 论文解读: 论文动机:• CNN第七层的特征表现很好但是特征维度过大。 • 一些方法依赖于图像相似性矩阵去学习哈希编码,因此对大规模数据集是苛求的。 我们的想法是,当数据标签可用时,可以通过使用隐藏层来表示主导类标签的潜在概念来学习二进制代码。 论文主要贡献: • 引入一个简单而有效的监督学习框架。 • 深度CNN同时学习的图像表示和类似哈希函数 • 以点对点的方式学习二进制哈希码,可以轻松扩展数据大小。 • 优于公共数据集MNIST |
CopyRight 2018-2019 实验室设备网 版权所有 |