如今移動(dòng)設(shè)備及互聯(lián)網(wǎng)的普及帶來(lái)了多媒體數(shù)據(jù)的急劇增長(zhǎng),給數(shù)據(jù)存儲(chǔ)和信息檢索帶來(lái)了巨大挑戰(zhàn)。由于哈希學(xué)習(xí)技術(shù)對(duì)于大規(guī)模圖像檢索任務(wù)具有存儲(chǔ)成本低、檢索效率高的優(yōu)點(diǎn),并且為圖像提供了一種具有一定概念級(jí)語(yǔ)義特征,因此研究哈希學(xué)習(xí)技術(shù)具有重要的理論和實(shí)踐意義。近幾年哈希技術(shù)引起了越來(lái)越多的關(guān)注,并成為大規(guī)模圖像檢索任務(wù)的基礎(chǔ)和關(guān)鍵步驟。然而,從底層視覺(jué)特征學(xué)習(xí)到的哈希碼與高層語(yǔ)義之間存在巨大的“語(yǔ)義鴻溝”,設(shè)計(jì)高效圖像哈希學(xué)習(xí)方法提高圖像語(yǔ)義檢索的性能是一個(gè)具有挑戰(zhàn)性的問(wèn)題。本文從圖像哈希學(xué)習(xí)出發(fā),以學(xué)習(xí)高質(zhì)量的二值碼為總體目標(biāo),重點(diǎn)研究了無(wú)監(jiān)督哈希學(xué)習(xí)方法、對(duì)稱的監(jiān)督哈希學(xué)習(xí)方法、跨模態(tài)的監(jiān)督哈希學(xué)習(xí)方法及非對(duì)稱的監(jiān)督哈希學(xué)習(xí)方法。本文的具體研究?jī)?nèi)容和主要貢獻(xiàn)概括如下:(1)針對(duì)現(xiàn)有無(wú)監(jiān)督哈希方法忽略了數(shù)據(jù)集的全局拓?fù)浣Y(jié)構(gòu)的問(wèn)題,提出了基于流形排序嵌入的序保留無(wú)監(jiān)督哈希學(xué)習(xí)方法。該方法從數(shù)據(jù)的流形結(jié)構(gòu)出發(fā),將流形排序嵌入、超立方體量化、信息論正則化約束以及流形排序與漢明排序一致性約束統(tǒng)一到一個(gè)聯(lián)合的優(yōu)化框架,并提出了一種交替的優(yōu)化算法解決該離散優(yōu)化問(wèn)題。(2)針對(duì)現(xiàn)有無(wú)監(jiān)督哈希方法假定數(shù)據(jù)分布滿足流形假設(shè)(語(yǔ)義相似的樣本傾向于位于低維的流形上)在大的類內(nèi)變化可能會(huì)弱化的局限性,提出了基于非負(fù)矩陣分解的無(wú)監(jiān)督哈希學(xué)習(xí)方法。該方法將非負(fù)矩陣分解學(xué)習(xí)到的高水平特征表示,同比特平衡、比特獨(dú)立約束以及樣本外的擴(kuò)展項(xiàng)聯(lián)合起來(lái)學(xué)習(xí)有效的離散哈希碼,并研制了一種交替的優(yōu)化算法解決該離散優(yōu)化問(wèn)題。(3)針對(duì)現(xiàn)有深度監(jiān)督哈希方法采用單流框架(單個(gè)分支)解決單個(gè)檢索任務(wù)或者采用雙流框架(兩個(gè)分支)同時(shí)解決檢索任務(wù)以及分類任務(wù),而無(wú)法充分利用監(jiān)督信息引導(dǎo)哈希碼的學(xué)習(xí)問(wèn)題,提出了一種基于多任務(wù)學(xué)習(xí)的深度哈希學(xué)習(xí)模型,該模型能夠利用網(wǎng)絡(luò)輸出的哈希碼同時(shí)完成圖像分類及圖像檢索任務(wù)。最后利用這個(gè)兩個(gè)任務(wù)的聯(lián)合學(xué)習(xí),生成緊致及判別性的二值碼,有效地提升了圖像檢索的性能。(4)針對(duì)現(xiàn)有深度的跨模態(tài)監(jiān)督哈希方法不能很好地保留哈希碼的判別性和全局的多水平相似性,提出了一種基于全局語(yǔ)義及局部語(yǔ)義保留的深度跨模態(tài)監(jiān)督哈希學(xué)習(xí)方法。該方法將捕獲模態(tài)間相關(guān)性的局部語(yǔ)義結(jié)構(gòu)保留項(xiàng)、捕獲模態(tài)內(nèi)相關(guān)性的全局語(yǔ)義結(jié)構(gòu)保留項(xiàng)以及針對(duì)同一實(shí)例不同模態(tài)數(shù)據(jù)生成統(tǒng)一哈希碼的一致性正則項(xiàng)整合成一種端對(duì)端的學(xué)習(xí)框架,生成能保留局部與全局語(yǔ)義結(jié)構(gòu)的哈希碼,有效地提升跨模檢索的性能。(5)針對(duì)對(duì)稱的哈希方法訓(xùn)練過(guò)程非常耗時(shí)而且無(wú)法充分利用大尺度數(shù)據(jù)中的監(jiān)督信息的問(wèn)題,提出了一種基于度量學(xué)習(xí)的非對(duì)稱深度離散哈希方法。該方法將非對(duì)稱哈希學(xué)習(xí)策略與深度度量學(xué)習(xí)方法整合一起,利用單個(gè)網(wǎng)絡(luò)通過(guò)端對(duì)端的學(xué)習(xí)框架,提升數(shù)據(jù)庫(kù)圖像的離散編碼過(guò)程與查詢圖像特征學(xué)習(xí)過(guò)程的兼容性。實(shí)驗(yàn)結(jié)果表明,提出算法在大多數(shù)數(shù)據(jù)庫(kù)上的哈希檢索性能優(yōu)于現(xiàn)有的哈希方法。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP181
【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 課題背景及研究意義
    1.2 圖像哈希學(xué)習(xí)的研究現(xiàn)狀與挑戰(zhàn)
        1.2.1 圖像哈希學(xué)習(xí)的研究現(xiàn)狀
            1.2.1.1 數(shù)據(jù)獨(dú)立的哈希方法
            1.2.1.2 數(shù)據(jù)依賴的哈希方法
        1.2.2 圖像哈希學(xué)習(xí)的問(wèn)題與挑戰(zhàn)
    1.3 論文主要工作
    1.4 論文內(nèi)容安排
第二章 基于流形排序嵌入的無(wú)監(jiān)督哈希學(xué)習(xí)方法
    2.1 引言
    2.2 基于流形排序嵌入的序保留哈希學(xué)習(xí)方法
        2.2.1 流形排序嵌入
        2.2.2 流形排序與漢明排序一致性約束
        2.2.3 二值量化
        2.2.4 信息論正則化
    2.3 優(yōu)化算法
        2.3.1 更新Y固定其它變量
        2.3.2 更新W固定其它變量
            2.3.2.1 更新H固定其他變量
            2.3.2.2 更新W固定其他變量
            2.3.2.3 更新μ及 Σ固定其他變量
        2.3.3 更新B固定其他變量
        2.3.4 更新R固定其他變量
    2.4 訓(xùn)練集外樣本的編碼及復(fù)雜性分析
    2.5 實(shí)驗(yàn)結(jié)果與分析
        2.5.1 數(shù)據(jù)庫(kù)與實(shí)驗(yàn)設(shè)置
        2.5.2 實(shí)驗(yàn)結(jié)果與分析
            2.5.2.1 合成數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            2.5.2.2 在isolet數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            2.5.2.3 在USPS數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
        2.5.3 參數(shù)敏感性分析
        2.5.4 成分分析
        2.5.5 討論
    2.6 本章小結(jié)
第三章 基于非負(fù)矩陣分解的無(wú)監(jiān)督哈希學(xué)習(xí)方法
    3.1 引言
    3.2 基于非負(fù)矩陣分解的有效二值碼學(xué)習(xí)方法
        3.2.1 非負(fù)矩陣分解
        3.2.2 有效的二值碼學(xué)習(xí)
        3.2.3 樣本外的擴(kuò)展
        3.2.4 目標(biāo)函數(shù)
    3.3 優(yōu)化算法
    3.4 復(fù)雜性分析
    3.5 本章算法與PCA之間的關(guān)系
    3.6 實(shí)驗(yàn)結(jié)果
        3.6.1 實(shí)驗(yàn)設(shè)置
        3.6.2 實(shí)驗(yàn)結(jié)果與分析
            3.6.2.1 在多標(biāo)簽MIRFlickr數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            3.6.2.2 在多標(biāo)簽ADE20K數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            3.6.2.3 在多標(biāo)簽NUS-WIDE數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            3.6.2.4 單標(biāo)簽圖像語(yǔ)義檢索與最近鄰檢索
        3.6.3 收斂性研究以及時(shí)間的比較
        3.6.4 參數(shù)敏感性分析
        3.6.5 成分分析
        3.6.6 討論
    3.7 本章小結(jié)
第四章 基于多任務(wù)學(xué)習(xí)的監(jiān)督哈希學(xué)習(xí)方法
    4.1 引言
    4.2 問(wèn)題定義
    4.3 基于多任務(wù)學(xué)習(xí)的深度語(yǔ)義哈希學(xué)習(xí)方法
        4.3.1 分類任務(wù)
            4.3.1.1 單標(biāo)簽情形
            4.3.1.2 多標(biāo)簽情形
        4.3.2 檢索任務(wù)
        4.3.3 多任務(wù)學(xué)習(xí)
        4.3.4 優(yōu)化算法
        4.3.5 樣本外未知實(shí)例擴(kuò)展
        4.3.6 實(shí)驗(yàn)結(jié)果
            4.3.6.1 實(shí)驗(yàn)設(shè)置
            4.3.6.2 實(shí)驗(yàn)結(jié)果與分析
            4.3.6.3 成分分析
        4.3.7 收斂性分析
    4.4 分層的近鄰判別性哈希學(xué)習(xí)方法
        4.4.1 深度網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.2 粗略的近鄰判別性哈希損失
        4.4.3 精細(xì)的近鄰判別性哈希損失
        4.4.4 目標(biāo)函數(shù)及優(yōu)化算法
        4.4.5 實(shí)驗(yàn)結(jié)果
            4.4.5.1 實(shí)驗(yàn)設(shè)置
            4.4.5.2 實(shí)驗(yàn)結(jié)果與分析
            4.4.5.3 成分分析
        4.4.6 收斂性分析
    4.5 本章小結(jié)
第五章 跨模態(tài)的監(jiān)督哈希學(xué)習(xí)方法
    5.1 引言
    5.2 符號(hào)與問(wèn)題定義
    5.3 基于全局與局部語(yǔ)義保留的深度跨模態(tài)哈希學(xué)習(xí)方法
        5.3.1 深度網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.2 局部語(yǔ)義結(jié)構(gòu)保留捕獲模態(tài)間的相關(guān)性
        5.3.3 全局語(yǔ)義結(jié)構(gòu)保留捕獲模態(tài)內(nèi)的相關(guān)性
        5.3.4 一致性正則化模型
        5.3.5 優(yōu)化算法
            5.3.5.1 更新B固定θx及θy
            5.3.5.2 更新θx固定θy及B
            5.3.5.3 更新θy固定θx及B
            5.3.5.4 實(shí)施技巧
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.0 實(shí)驗(yàn)設(shè)置
        評(píng)估準(zhǔn)則
        5.4.1 實(shí)驗(yàn)結(jié)果與分析
            5.4.1.1 在多標(biāo)簽MIRFlickr-25K數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
            5.4.1.2 在多標(biāo)簽IAPRTC-12 數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果
        5.4.2 成分分析
        5.4.3 參數(shù)敏感性分析
        5.4.4 收斂性研究
        5.4.5 效率分析
    5.5 本章小結(jié)
第六章 非對(duì)稱的監(jiān)督哈希學(xué)習(xí)方法
    6.1 引言
    6.2 符號(hào)及問(wèn)題定義
    6.3 基于判別性深度度量學(xué)習(xí)的非對(duì)稱離散哈希學(xué)習(xí)方法
        6.3.1 模型框架
        6.3.2 深度網(wǎng)絡(luò)結(jié)構(gòu)
        6.3.3 損失函數(shù)
        6.3.4 優(yōu)化算法
            6.3.4.1 固定V學(xué)習(xí)Θ
            6.3.4.2 固定Θ學(xué)習(xí)V
    6.4 樣本外擴(kuò)展
    6.5 復(fù)雜性分析
    6.6 實(shí)驗(yàn)部分
        6.6.1 數(shù)據(jù)庫(kù)及實(shí)驗(yàn)設(shè)置
        6.6.2 實(shí)驗(yàn)結(jié)果與分析
        6.6.3 模型參數(shù)的影響
        6.6.4 效率分析
    6.7 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
致謝
參考文獻(xiàn)
附錄
攻讀博士學(xué)位期間取得的成果

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣大宏;動(dòng)態(tài)哈希方法[J];計(jì)算機(jī)工程;1993年01期

2 魯明;宋馥莉;;基于誤差加權(quán)哈希的圖像檢索方法[J];河南科技;2016年17期

3 宋欣;;哈希:品質(zhì)承諾鑄就品牌基石[J];現(xiàn)代企業(yè)文化;2012年Z1期

4 蔣大宏;實(shí)現(xiàn)檢索代價(jià)最優(yōu)的動(dòng)態(tài)哈希法[J];計(jì)算機(jī)工程與應(yīng)用;1994年Z2期

5 郁延珍;;基于深度多監(jiān)督哈希的快速圖像檢索[J];計(jì)算機(jī)應(yīng)用與軟件;2019年11期

6 孫瑤;;深度學(xué)習(xí)哈希研究與發(fā)展[J];數(shù)據(jù)通信;2018年02期

7 潘輝;鄭剛;胡曉惠;馬恒太;;基于感知哈希的圖像內(nèi)容鑒別性能分析[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年07期

8 牛夏牧;焦玉華;;感知哈希綜述[J];電子學(xué)報(bào);2008年07期

9 徐澤明;侯紫峰;;串的快速連續(xù)弱哈希及其應(yīng)用[J];軟件學(xué)報(bào);2011年03期

10 郭呈呈;于鳳芹;陳瑩;;改進(jìn)哈希編碼加權(quán)排序的圖像檢索算法[J];傳感器與微系統(tǒng);2018年09期

相關(guān)博士學(xué)位論文 前10條

1 馬雷;面向大規(guī)模圖像哈希學(xué)習(xí)的理論與方法研究[D];電子科技大學(xué);2019年

2 王家樂(lè);基于哈希學(xué)習(xí)的跨模態(tài)檢索與標(biāo)注方法研究[D];華中科技大學(xué);2017年

3 馬超;語(yǔ)義鑒別和相似性保持的哈希方法研究與應(yīng)用[D];南京理工大學(xué);2017年

4 季劍秋;面向大規(guī)模數(shù)據(jù)相似計(jì)算和搜索的哈希方法研究[D];清華大學(xué);2015年

5 付海燕;基于圖像哈希的大規(guī)模圖像檢索方法研究[D];大連理工大學(xué);2014年

6 劉兆慶;圖像感知哈希若干關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

7 姚濤;基于哈希方法的跨媒體檢索研究[D];大連理工大學(xué);2017年

8 陳勇昌;基于不變特征的數(shù)字水印與感知哈希圖像認(rèn)證技術(shù)研究[D];華南理工大學(xué);2014年

9 趙玉鑫;多媒體感知哈希算法及應(yīng)用研究[D];南京理工大學(xué);2009年

10 張慧;圖像感知哈希測(cè)評(píng)基準(zhǔn)及算法研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 許焱;基于哈希的行人重識(shí)別[D];電子科技大學(xué);2019年

2 應(yīng)文杰;哈希學(xué)習(xí)方法及其應(yīng)用研究[D];北京交通大學(xué);2019年

3 胡志鍇;結(jié)合語(yǔ)義保護(hù)和關(guān)聯(lián)挖掘的跨模態(tài)哈希檢索算法研究[D];華僑大學(xué);2019年

4 袁知洪;基于哈希學(xué)習(xí)的大規(guī)模圖像檢索[D];重慶郵電大學(xué);2018年

5 李宣萌;基于判別分析的跨模態(tài)哈希和量化檢索研究[D];安徽大學(xué);2019年

6 商迎新;基于深度學(xué)習(xí)的哼唱檢索研究[D];北京郵電大學(xué);2019年

7 程敬東;基于深度哈希的圖像檢索研究[D];大連大學(xué);2019年

8 郭欣欣;面向圖像檢索的哈希學(xué)習(xí)算法研究[D];河北大學(xué);2019年

9 朱毅;基于深度哈希的快速場(chǎng)景布局估計(jì)[D];江西師范大學(xué);2018年

10 趙鵬飛;基于標(biāo)記信息的跨模態(tài)深度哈希方法研究[D];山東大學(xué);2019年

本文編號(hào)：2868443