最近邻搜索是寻找数据库中的数据点,使它们到查询的距离最小,这是计算机视觉、推荐系统和机器学习等各个领域的一个基本问题。哈希是计算效率和存储效率最广泛使用的方法之一。随着深度学习的发展,深度哈希方法显示出比传统方法更多的优点。本文对深度哈希算法进行了全面的研究。在损失函数的基础上,将深度监督哈希方法按照相似度保留的方式分为:两两相似度保留、多相似度保留、隐式相似度保留和量化。此外,我们还介绍了其他一些主题,如深度无监督哈希和多模态深度哈希方法。同时,我们还介绍了一些常用的公共数据集和深度哈希算法的性能测试方案。最后,我们在结论中讨论了一些可能的研究方向。

成为VIP会员查看完整内容
26

相关内容

专知会员服务
183+阅读 · 2020年6月21日
专知会员服务
49+阅读 · 2020年6月14日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
专知会员服务
221+阅读 · 2020年5月6日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
网络表示学习综述:一文理解Network Embedding
PaperWeekly
34+阅读 · 2018年8月14日
无问西东,只问哈希
线性资本
3+阅读 · 2018年1月18日
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Image Captioning based on Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年5月7日
Arxiv
9+阅读 · 2018年3月28日
Arxiv
5+阅读 · 2018年3月28日
VIP会员
微信扫码咨询专知VIP会员