ディープトリプレット量子化

ディープハッシングは、類似データから深い表現とハッシュコードをエンドツーエンドで学習することにより、効率的かつ効果的な画像検索を確立します。我々は、類似性検索のためにハッシングソリューションを上回る性能を示した量子化アプローチに焦点を当てたコンパクトなコーディングソリューションを提案します。我々は、類似性トリプレットから深い量子化モデルを学習する新しいアプローチ、ディープトリプレット量子化（DTQ）を提案します。より効果的なトリプレットトレーニングを実現するために、各画像グループからハードトリプレットをランダムに選択する新しいトリプレット選択アプローチ「グループハード」を設計しました。コンパクトなバイナリコードを生成するために、トリプレットトレーニング中に弱い直交性を用いたトリプレット量子化をさらに適用します。量子化損失はコードブックの冗長性を削減し、バックプロパゲーションを通じて深い表現の量子化可能性を強化します。広範な実験により、DTQが高品質でコンパクトなバイナリコードを生成でき、NUS-WIDE、CIFAR-10、MS-COCOの3つのベンチマークデータセットで最先端の画像検索性能を発揮することが示されています。