首页|面向视觉搜索的空间局部敏感哈希方法

面向视觉搜索的空间局部敏感哈希方法

Locality-sensitive hashing approach based on semantic space for visual retrieval

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 视觉检索需要准确、高效地从大型图像或者视频数据集中检索出最相关的视觉内容,但是由于数据集中图像数据量大、特征维度高的特点,现有方法很难同时保证快速的检索速度和较好的检索效果.方法 对于面向图像视频数据的高维数据视觉检索任务,提出加权语义局部敏感哈希算法(weighted semantic locality-sensitive hashing,WSLSH).该算法利用两层视觉词典对参考特征空间进行二次空间划分,在每个子空间里使用加权语义局部敏感哈希对特征进行精确索引.其次,设计动态变长哈希码,在保证检索性能的基础上减少哈希表数量.此外,针对局部敏感哈希(locality sensitive hashing,LSH)的随机不稳定性,在LSH函数中加入反映参考特征空间语义的统计性数据,设计了一个简单投影语义哈希函数以确保算法检索性能的稳定性.结果 在Holidays、Oxford5k和DataSetB数据集上的实验表明,WSLSH在DataSetB上取得最短平均检索时间0.034 25 s;在编码长度为64位的情况下,WSLSH算法在3个数据集上的平均精确度均值(mean average precision,mAP)分别提高了 1.2％～32.6％、1.7％～19.1％和2.6％～28.6％,与几种较新的无监督哈希方法相比有一定的优势.结论 通过进行二次空间划分、对参考特征的哈希索引次数进行加权、动态使用变长哈希码以及提出简单投影语义哈希函数来对LSH算法进行改进.由此提出的加权语义局部敏感哈希(WSLSH)算法相比现有工作有更快的检索速度,同时,在长编码的情况下,取得了更为优异的性能.

黄小燕、孙彬、杨展源、朱映映、田奇

展开 >

深圳大学计算机与软件学院,深圳 518000

华为技术有限公司,深圳 518000

特征空间划分 局部敏感哈希(LSH) 动态变长哈希码 视觉搜索 最近邻搜索

620723182021A1515012014JCYJ20190808172007500

2021

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2021.26(7)
  • 3
  • 3