面向圖像檢索和分類的監(jiān)督哈希方法研究.pdf

1、近年來，隨著社會和經(jīng)濟的快速發(fā)展，互聯(lián)網(wǎng)技術(shù)在我們的日常工作和生活中扮演著越來越重要的角色，而且隨著電子設備和社交媒體的普及，多媒體數(shù)據(jù)（文字、圖像和視頻等）增長迅速。圖像因其豐富的內(nèi)容和強有力的表達形式更是深受人們的喜愛，并呈現(xiàn)指數(shù)型的增長趨勢，這就為圖像的檢索和存儲帶來一定的挑戰(zhàn)。
　　最近鄰算法是信息檢索中的經(jīng)典方法，但是在大規(guī)模的數(shù)據(jù)中進行精確的最近鄰查找是非常困難的。為了解決這一問題，近似近鄰查找算法得到廣大研究者的青睞

2、。這種算法因其效率比較高，復雜度相對較低，結(jié)果相對準確，在近些年來成為學術(shù)研究的熱點。
　　對于相似性檢索，傳統(tǒng)的方法是利用數(shù)據(jù)的原始特征進行相似性度量。當數(shù)據(jù)量較小時，這種方法效果比較好。但隨著數(shù)據(jù)量的增大和特征維數(shù)的增高，特征匹配因其極高的計算復雜度變得不再適用，同時對設備的存儲性能帶來了極大的挑戰(zhàn)。于是，哈希方法應運而生。基于哈希的方法因其優(yōu)越的計算和存儲性能在近些年來發(fā)展迅速，受到越來越多學者和研究人員的關(guān)注?；诠＜夹g(shù)

3、的相似性檢索方法將原始空間的數(shù)據(jù)特征信息映射到二維的海明空間，同時盡可能的保持原始數(shù)據(jù)的局部特性、語義信息等。通過計算哈希碼兩兩之間的海明距離，近似近鄰檢索能夠很快的返回檢索結(jié)果。哈希方法具有線性的檢索復雜度并且通過將數(shù)據(jù)轉(zhuǎn)化為緊致的二進制哈希碼，大大的降低了存儲代價，更有效的利用存儲空間，提高了存儲設備的性能。因此，由于哈希方法具有很高的性能，進而能夠更好的應用到大規(guī)模的數(shù)據(jù)檢索任務中。
　　哈希方法可以根據(jù)學習過程中是否利用標

4、簽分為兩類:非監(jiān)督方法和監(jiān)督方法。監(jiān)督哈希方法目的是在哈希碼學習過程中充分利用訓練數(shù)據(jù)的特征以及標簽，使得學到的哈希碼能夠保持原始數(shù)據(jù)的語義特性，因而相對于非監(jiān)督哈希方法來說具有更高的準確性，更能運用到一些實際的應用中。
　　如今有很多監(jiān)督哈希方法被研究出來，有一些也有不錯的效果。但是大部分的哈希方法都是用來做檢索任務而不能用來分類。也就是說，我們并不能夠利用哈希碼來預測數(shù)據(jù)的類別，即使哈希碼本身含有豐富的語義信息。這是一種極大的

5、信息損失。并且如果我們可以直接利用哈希碼進行分類，哈希方法則在實際項目中發(fā)揮更高的價值。針對這一問題，我們提出了一種可以進行標簽預測的監(jiān)督哈希學習方法，稱為類圖保持哈希。這種哈希方法能夠?qū)⒄Z義標簽信息與哈希碼融合在一起，學到的哈希碼具有豐富的語義信息，并利用學到的映射矩陣和哈希碼，直接預測檢索數(shù)據(jù)的標簽。該方法首先通過同時保證標簽的一致性和保持類圖相似性學習到哈希函數(shù)，再通過最小化哈希碼跟哈希函數(shù)之間的量化誤差學到哈希碼，同時提出了一種

6、迭代的優(yōu)化方法。該方法在三個圖像數(shù)據(jù)集上進行了實驗，并與當前效果比較好的集中哈希方法進行了對比。實驗結(jié)果表明無論在圖像檢索還是分類任務上，類圖保持哈希都有著比較好的效果。
　　但是，現(xiàn)實生活中只有極少的圖片是本身就帶有標簽的，而大部分圖片都沒有標簽信息。如何能利用少量的標簽信息在大規(guī)模圖像中做檢索，是半監(jiān)督哈希方法所關(guān)注的問題。如今很多半監(jiān)督的哈希方法為了能更好的對目標函數(shù)進行優(yōu)化，往往采用先松弛再對連續(xù)數(shù)據(jù)閾值化的方法，這樣會有

7、一些信息損失。并且，為了更好地利用圖像本身的特征，很多方法都用了相似性矩陣來保持相似性，而相似性矩陣一般都是n×n的，計算和存儲都相當耗時，甚至在大規(guī)模的數(shù)據(jù)集上無法運行。為此，我們提出了一種半監(jiān)督圖割哈希算法，能夠利用圖割的優(yōu)化方法直接對哈希碼進行優(yōu)化，減少了因松弛帶來的信息損失。同時，我們將相似性矩陣用稀疏嵌入的方法進行了降維，加快了計算的速度。我們在兩個數(shù)據(jù)集上進行了實驗，實驗結(jié)果說明了我們提出的半監(jiān)督圖割哈希在部分標簽上與其他幾