Deep Learning of Binary Hash Codes for Fast Image Retrieval阅读总结

《Deep Learning of Binary Hash Codes for Fast Image Retrieval》

摘要

• 提出了一个有效的架构产生快速图像检索的二进制哈希索引码
• 在有标签情况下，在CNN基础上使用隐藏层表示主导标签的潜在概念来学习二进制哈希码
• 相比于其他监督方法使用pair-wised的输入，我们的技术基于point-wised
• 我们的方案相比于state-of-art表现出色

1.引言

灵感1——CNN:

• Krizhevsky等人使用CNN第7层的输出作为特征向量进行图像检索
• 由于第7层的输出的特征向量维数过高，Babenko等人采用PCA主
  成分分析和discriminative dimensionality reduction技术进行降维，取得了更好的效果

灵感2——哈希：

• 传统的线性搜索不适用于大数据集，ANN或哈希方案加快了计算进程
• 这些方法是一种降维技术，可以产生二进制码

我们的方案：

• 引入一个简单但有效的监督学习框架
• 只需简单调整，我们的卷积神经网络可以同时学习图像表示与类哈希函数集
• 在MNIST和CIFAR-10数据集上的表现超过了所有state-of-art
• 以point-wised的方式学习二进制哈希码

2.相关工作

有很多种哈希算法，这些方法大致可以分为无监督方案与监督方案。

无监督算法：

• Locality-Sensitive Hashing(LSH):最大化相似的数据映射到相似的二进制码
• Spectral hashing(SH):沿给定数据的PCA方向使用非线性函数进行阈值化生成紧凑的二进制代码

监督算法相比于无监督算法，在学习过程中结合了标签信息，但算法需要一个巨大的稀疏矩阵描述训练集中数据间的相似度。

深度架构也早已应用于图像检索，但大部分是无监督的，可以参见如下两篇论文：

• R. Salakhutdinov and G. Hinton. Semantic hashing.Interna-tional Journal of Approximate Reasoning, 500(3):500, 2007.
• A. Krizhevsky and G. E. Hinton. Using very deep autoen-coders for content-based image retrieval. InESANN, 2011.

Xia等人使用了监督的深度哈希方法来进行图像检索，取得了很好的效果，但其空间复杂度高，不适用于大数据集。

3.方案

方案由3部分组成：

• 在大规模数据集ImageNet上监督预训练
• 微调网络，隐藏层同时学习图像表示与哈希函数集
• 通过分层深度搜索检索相似图片

3.1学习类哈希二进制码

• 在$F_7$与$F_8$之间加入一个隐藏层$H$,激活函数采用$sigmod$
• 微调网络，$H$与$F_8$参数随机初始化，其余冻结

3.2 通过分层深度搜索进行图像检索

粗糙级别的搜索：
记$H$层的输出为$Out(H)\in [0,1]$,二进制码为$H$,二进制码长度为$h$。
对于$j=1\cdots h,有H^j=\{\begin{array}{l}1Ou{t}^j(H)\ge 0.5\\ 0otherwise\end{array}$
定义m个候选图像，有候选池P={I1C,I2C,⋯ ,ImC}P=\{I^C_1,I^C_2,\cdots,I^C_m\}P={I1C​,I2C​,⋯,ImC​}(由Hamming距离阈值处理导出)

精细级别的搜索:
给定查询图像$I_q$和候选池$P$,使用从$F_7$提取的特征得到前$k$个图像，使用欧式距离作为相似度衡量指标。