多标记收缩哈希方法的人脸属性检索

• 全文链接
• 请求原文

作   者：

赵轩;  谭晓阳;  宋歌; 

作者机构：

南京航空航天大学计算机科学与技术学院;  软件新技术与产业化协同创新中心; 

关键词：

哈希方法;  多标记;  收缩项;  人脸属性; 

期刊名称：

模式识别与人工智能

基金项目：

面向大数据机器学习的不确定性建模及应用研究
基于贝叶斯框架的标号带噪学习及其应用研究
面向大数据机器学习的不确定性建模及应用研究
基于贝叶斯框架的标号带噪学习及其应用研究
多模态Web人脸属性学习方法及应用研究
多模态Web人脸属性学习方法及应用研究

i s s n：

1003-6059

年卷期：

2017 年 12 期

页   码：

1108-1113

摘   要：

哈希方法具有存储成本低、查询速度快等优点.但是,大多数哈希方法只用于处理单标记问题,较少用于图像多标记问题.因此,文中提出多标记收缩哈希方法(MLCH),可以保留多标记图像的多水平语义相似性.MLCH利用数据的多标记作为监督信息,依据优化选择算法选取三元组,并加入收缩约束项以获取更饱和的二进制编码.在数据库Celeb A和Pub Fig上评估MLCH性能,证明收缩约束项的有效性,并证明MLCH在大规模图像检索任务中的优越性.