Key points are not available for this paper at this time.
웹에서 이미지 및 비디오 데이터의 빠른 증가와 함께 최근 몇 년 동안 이미지 또는 비디오 검색을 위한 해싱에 대한 연구가 활발히 진행되었습니다. 최근 딥 러닝의 발전 덕분에 심층 해싱 방법들이 이미지 검색에서 유망한 결과를 얻었습니다. 그러나 이전 심층 해싱 방법에는 몇 가지 한계가 있습니다(예: 의미 정보가 완전히 활용되지 않음). 본 논문에서는 학습된 이진 코드가 분류에 이상적이어야 한다는 가정을 기반으로 심층 감독 이산 해싱 알고리즘을 개발합니다. 쌍별 레이블 정보와 분류 정보를 모두 사용하여 하나의 스트림 프레임워크 내에서 해시 코드를 학습합니다. 마지막 레이어의 출력을 이진 코드로 직접 제약하는 방법을 사용하며, 이는 심층 해싱 알고리즘에서 거의 조사되지 않았습니다. 해시 코드의 이산적인 성질 때문에, 목표 함수를 최적화하기 위해 교대 최소화 방법을 사용합니다. 실험 결과, 우리 방법이 벤치마크 데이터셋에서 현재 최고의 방법보다 우수함을 보여주었습니다.
Li et al. (Wed,)은 이 질문을 연구했습니다.