12、原始保留潜在图哈希方法研究

原始保留潜在图哈希方法研究

1. 原始保留潜在图哈希概述

原始保留潜在图哈希在降低哈希开销方面表现出色，与样本级图哈希相比，其开销大幅降低。同时，所提出的顺序保留哈希模型能够捕捉特征之间的高级相似性，并将内在特征相似性保留在目标哈希码中，从而生成高质量的哈希码，用于精确的相似性搜索。

2. 基于图的判别式哈希通用框架

机器学习的本质是为下游任务学习鲁棒或有判别性的表示。在这一过程中，我们旨在通过联合考虑保留局部性的图学习和保留语义的判别式学习来生成有判别性的哈希码。基于图的判别式哈希的通用框架通常由多个有用的知识和表示组合而成，并进一步保留在学习到的哈希码中。其通用框架定义如下：
[
\min_{W,b_i} \sum_{i=1}^{n} H(x_i, b_i, W) + \alpha R(\cdot) + \beta G(\cdot) \quad s.t. \quad b_i \in {+1, -1}
]
其中，(\alpha) 和 (\beta) 是加权参数，用于平衡不同项的重要性。等式中的第一项是判别式哈希空间学习函数，它将高维视觉特征 (x_i) 转换为紧凑的哈希码 (b_i)；第二项是正则化项，用于使整个模型生成稳定的解；第三项是基于图的学习模块，用于捕捉样本之间的局部性知识，以学习保留相似性的哈希码。顺序保留潜在图哈希（OLGH）主要包括两个组件：判别式潜在哈希空间构建和特征级顺序相关性保留。

3. 判别式潜在哈希空间构建

判别式潜在哈希空间构建源自最小线性回归公式：
[
\min_{W,b_i} \sum_{i=1}^{n} |W^{\top}x_i - L|