针对目前深度监督哈希检索方法提高检索精度往往需要大量注释数据来提高模型获取的信息量，且大多数深度哈希方法学习的数据关系仅从局部角度捕获，导致学习到的特征判别性不强的问题，提出一种基于自监督蒸馏学习辅助的图像检索方法，能够在监督哈希网络的基础上利用自监督蒸馏网络学习数据间的全局关联信息，在数据量不变的同时增大模型学习的互信息量，实现更精准的哈希编码。在两个基准数据集NUS-WIDE和ImageNet-100上实验，检索精度优于HashNet、PSLDH等主流方法。
科研之友
微信
新浪微博
Facebook
分享链接
