作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

计算机工程 ›› 2019, Vol. 45 ›› Issue (5): 222-225,236. doi: 10.19678/j.issn.1000-3428.0050653

• 图形图像处理 • 上一篇    下一篇

基于稀疏自编码的无监督图像哈希算法

代亚兰,何朗,黄樟灿   

  1. 武汉理工大学 理学院,武汉 430070
  • 收稿日期:2018-03-07 出版日期:2019-05-15 发布日期:2019-05-15
  • 作者简介:代亚兰(1992—),女,硕士研究生,主研方向为图像检索、模式识别;何朗,副教授、博士;黄樟灿,教授、博士。
  • 基金资助:

    国家自然科学基金(61672391)。

Unsupervised image hashing algorithm based on sparse-autoencoder

DAI Yalan,HE Lang,HUANG Zhangcan   

  1. School of Science,Wuhan University of Technology,Wuhan 430070,China
  • Received:2018-03-07 Online:2019-05-15 Published:2019-05-15

摘要:

哈希方法因快速及低内存的特点广泛应用于大规模图像检索中,但在哈希函数构造过程中对数据稀疏性缺乏研究。为此,提出一种无监督稀疏自编码的图像哈希算法。在哈希函数的学习过程中加入稀疏构造过程和自动编码器,利用稀疏自编码的KL差异对哈希码进行稀疏约束,以增强局部保持映射过程中的判别性。在CIFAR-10数据集和YouTube Faces数据集上进行实验,结果表明,该算法平均准确率优于DH算法。

关键词: 哈希算法, 图像检索, 稀疏自编码, 无监督, KL差异

Abstract:

The hash method is widely used in large-scale image retrieval due to its fast and low memory characteristics,but it lacks research on data sparsity in the construction of hash functions.To this end,an unsupervised sparse self-encoding image hash algorithm is proposed.In the learning process of the hash function,a sparse construction process and an automatic encoder are added,and the hash code is sparsely constrained by the Kullback-Leibler(KL) divergence of the sparse-auto encoder to enhance the discriminability in the local preservation mapping process.Experiments on the CIFAR-10 datasets and YouTube Faces datasets show that the average accuracy of the algorithm is better than the DH algorithm.

Key words: hash algorithm, image retrieval, sparse-autoencoder, unsupervised, Kullback-Leibler(KL) divergence

中图分类号: