基于Swin Transformer的深度有监督哈希图像检索方法

作者：苗壮; 赵昕昕; 李阳^*; 王家宝; 张睿

来源：湖南大学学报(自然科学版), 2023, 50(08): 62-71.

DOI：10.16339/j.cnki.hdxbzkb.2023274

• 哈希学习
• 深度学习
• 图像检索
• Swin Transformer

在深度有监督哈希图像检索的特征提取过程中，一直由卷积神经网络架构主导，但是随着Transformer在视觉领域中的应用，Transformer替代卷积神经网络架构成为可能.为了解决现存基于Transformer的哈希方法中不能生成层次表示和计算复杂度高等问题，提出了一种基于Swin Transformer的深度有监督哈希图像检索方法 .该方法以Swin Transformer网络模型为基础，在网络最后添加一个哈希层，为图像进行哈希编码.该模型中引入了局部思想和层级结构，能够有效解决上述问题.与现有的13种先进方法相比，所提方法的哈希检索性能得到大幅提升.在两个常用检索数据集CIFAR-10和NUS-WIDE上进行实验，实验结果表明：在CIFAR-10数据集上所提方法 mAP最高达到98.4%，与TransHash方法相比平均提高7.1%，与VTS16-CSQ方法相比平均提高0.57%；在NUS-WIDE数据集上所提方法mAP最高达到93.6%，与TransHash方法相比平均提高18.61%，与VTS16-CSQ方法相比检索精度平均提高8.6%.

• 单位
  中国人民解放军陆军工程大学