文献类型：期刊文章

作　　者：王伯伟[1] 聂秀山[1] 马林元[2] 尹义龙[3]

Wang Bowei;Nie Xiushan;Ma Linyuan;Yin Yilong(School of Computer Science and Technology,Shandong University of Finance and Economics,Ji'nan,250014,China;Experimental Teaching Center,Shandong University of Finance and Eeonomics,Ji'nan,250014,China;School of Software Engineering,Shandong University,Ji'nan,250100,China)

机构地区：[1]山东财经大学计算机科学与技术学院,济南250014 [2]山东财经大学实验教学中心,济南250014 [3]山东大学软件学院,济南250100

出　　处：《南京大学学报（自然科学版）》

基　　金：国家自然科学基金(61671274);山东省高等学校科技计划(J17KB161);山东省高校优势学科人才团队培育计划

年　　份：2019

卷　　号：55

期　　号：1

起止页码：41-48

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：哈希方法作为最近邻搜索中的一个重要算法,具有快速及低内存的优良特性,能够较好地解决现实图像数据库中存在的样本标签信息缺失、人工标注成本过高等问题,因此在图像检索领域得到广泛使用.提出一种基于语义相似度的无监督图像哈希方法.首先对原始图像进行语义聚类,然后基于图像的语义相似性,把原始图像特征映射到汉明空间;同时,为了增强哈希学习的鲁棒性,在所得到的目标函数中,采用了l2,p范数(0<p≤2)来代替l2范数进行哈希学习.通过在两个公共图像检索数据库CIFAR-10和NUS-WIDE的实验结果证明,与现有方法相比,本方法的平均精度均值提升了5%.

关 键 词：语义相似度 无监督哈希  离散哈希  相似性学习  

分 类 号：TP37]