原型对齐和域感知的零样本哈希

作者：董峰; 王永欣^*; 马玉玲; 王奎奎

来源：计算机工程, 2023, 1-12.

DOI：10.19678/j.issn.1000-3428.0067994

• 哈希
• 图像检索
• 零样本学习
• 原型对齐
• 域感知

为了实现对未见类别图像的有效检索，零样本哈希方法通常将类别属性中的监督知识从已见类转移到未见类。然而，获取类别属性需要花费额外的计算资源，并且视觉特征和类别属性之间存在跨模态的异构鸿沟。此外，现有方法忽视了强偏差问题，导致模型错误地将已见类样本识别为未见类，从而降低了检索精度。不仅如此，零样本哈希也面临着保持哈希码和原始数据语义一致性以及实现哈希码的离散优化等挑战。为此，提出了一个原型对齐和域感知的零样本哈希方法 PDZSH，它不依赖类别属性等特殊监督知识，因此能够节省注释属性的花销和避免跨模态异构鸿沟的影响。具体来说，PDZSH首先计算各类在海明空间中的原型，然后通过对齐哈希码和类原型以学习语义一致的哈希码。为了避免松弛策略造成的量化误差，提出了一个离散优化算法来求解哈希码的离散约束，并且实现了线性的计算复杂度。此外，一个域感知策略被用于分离源域和目标域样本，以缓解强偏差问题的影响。最后，在a PY、AWA2和ImageNet数据集上的实验结果表明，提出方法的检索精度相比对比方法分别提升了2.6%、9.4%和14.9%，训练时间也远低于大部分对比方法。

• 单位
  山东建筑大学