科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统离线哈希算法训练模型耗时、占用内存大和不易更新模型的问题，以及现实图像集的标签存在大量损失的现象，提出了一种能够平衡标签预测的在线哈希算法(BLPOH)。BLPOH通过标签预测模块生成预测标签，并融合残缺的真实标签，能够有效缓解因标签损失导致的模型性能下降。观察到标签存在分布不平衡现象，提出标签类别相似性平衡算法并应用于标签预测模块，提升标签预测的准确性。将旧数据的信息加入哈希函数的在线更新过程，提升模型对旧数据的兼容性。通过在两个广泛使用的数据集上进行实验，并和一些当前先进的算法进行对比，结果证实了BLPOH的优越性。
- 单位
