Hashing compacto de núcleos con múltiples características

Los métodos de hashing, que generan códigos binarios para preservar cierta similitud, se han vuelto atractivos recientemente en muchas aplicaciones como la búsqueda visual a gran escala. Sin embargo, la mayoría de los métodos de hashing de última generación solo utilizan un solo tipo de característica, mientras que combinar múltiples características ha demostrado ser muy útil en la búsqueda de imágenes. En este artículo proponemos un nuevo enfoque de hashing que utiliza la información transmitida por diferentes características. El hashing de múltiples características se puede formular como un problema de preservación de similitud con núcleos múltiples combinados linealmente de manera óptima. Tal formulación no solo es compatible con tipos generales de datos y diversos tipos de similitudes indicadas por diferentes características visuales, sino que también es útil para lograr un entrenamiento y búsqueda rápidos. Presentamos una optimización alternante eficiente para aprender las funciones de hashing y la combinación óptima de núcleos. Los resultados experimentales en dos benchmarks bien conocidos, CIFAR-10 y NUS-WIDE, muestran que el método propuesto puede lograr aumentos de rendimiento del 11% y el 34% sobre los métodos de última generación.