我院“智能感知与信息处理”研究团队苏海、韩美茵、余松森、梁军（通讯作者）在SCI期刊The Visual Computer（影响因子：2.8350、中科院SCI三区、JCR：Q2）发表研究论文---《Deep supervised hashing with hard example pairs optimization for image retrieval》，并于2022年9月20日在线发表，发表网址为：https://link.springer.com/article/10.1007/s00371-022-02668-y

该论文的主要工作为：

目前的深度哈希方法在预测难样本对的相似度方面还不能令人满意。影响难样本对学习能力的主要因素是提取关键特征能力和难样本对数量的不足。本文提出一种新的端到端模型来提取关键特征并获得具有准确语义信息的哈希码。此外，本方法重新设计一个指标来评估样本对的困难程度，并在提出的hard pair-wise损失中根据指标更新样本对的惩罚权重。这使得难样本对在反向传播中占主导地位，以解决数量短缺问题。与之前的特征距离指标相比，本文的指标弱化了对“0”特征距离的追求，更尊重类内方差。在CIFAR-10和NUS-WIDE上的实验结果表明，文中的模型优于主流的图像哈希检索方法。

撰稿：韩美茵

审稿：苏海