基于哈希的大規(guī)模多標(biāo)簽圖像搜索方法研究.pdf

1、隨著計算機信息技術(shù)的快速發(fā)展，各個行業(yè)所積累的數(shù)據(jù)都呈現(xiàn)出迅速增長的發(fā)展趨勢，我們已經(jīng)進入大數(shù)據(jù)時代。大數(shù)據(jù)在很多領(lǐng)域都具有廣闊的應(yīng)用前景，在應(yīng)用領(lǐng)域，大數(shù)據(jù)在交通、軍事、教育、環(huán)保、醫(yī)療、氣象、金融等應(yīng)用領(lǐng)域都具有廣闊的發(fā)展前景;在科學(xué)領(lǐng)域，大數(shù)據(jù)在信息、化學(xué)、生物、物理、天文、數(shù)學(xué)等領(lǐng)域的應(yīng)用也在迅速發(fā)展，如今，大數(shù)據(jù)成為了重要的國家戰(zhàn)略性資源，對大數(shù)據(jù)資源分析、存儲、管理也成為了應(yīng)用界和科學(xué)界研究人員的關(guān)注熱點。而如果我們要有效地

2、利用大數(shù)據(jù)，大數(shù)據(jù)機器學(xué)習(xí)技術(shù)必不可少。因此，大數(shù)據(jù)機器學(xué)習(xí)技術(shù)是大數(shù)據(jù)研究的關(guān)鍵內(nèi)容之一。
　　哈希學(xué)習(xí)(learning to hash)通過一系列機器學(xué)習(xí)的方法把數(shù)據(jù)投影成二進制哈希碼，哈希學(xué)習(xí)也屬于降維方法的一種，他能夠大大減少數(shù)據(jù)內(nèi)存開銷，大大提高系統(tǒng)學(xué)習(xí)效率。因此，哈希學(xué)習(xí)近年來成為大數(shù)據(jù)學(xué)習(xí)中的一個研究熱點。如今，無監(jiān)督哈希方法、監(jiān)督哈希方法和半監(jiān)督哈希方法已被提出。特別注意的是，當(dāng)語義標(biāo)簽信息可用，監(jiān)督哈希方法相對

3、于無監(jiān)督哈希方法表現(xiàn)出更好的性能。
　　如今，在許多實際應(yīng)用場景中，一個數(shù)據(jù)樣本經(jīng)常有一個以上多個標(biāo)簽，隨著多媒體技術(shù)和互聯(lián)網(wǎng)技術(shù)迅速發(fā)展，多標(biāo)簽數(shù)據(jù)也在爆炸式增長，多標(biāo)簽學(xué)習(xí)領(lǐng)域受到越來越多研究者的關(guān)注。然而，很少有監(jiān)督哈希方法考慮這樣的多標(biāo)簽場景。
　　本文中，在多標(biāo)簽的有監(jiān)督圖像搜索的場景下，我們研究出一種用于大規(guī)模圖像搜索的多標(biāo)簽最小二乘哈希方法(Multi-label Least-Squares Hashing，簡

4、稱MLSH)。它可以直接處理多標(biāo)簽數(shù)據(jù)，MLSH經(jīng)過幾個學(xué)習(xí)步驟得到最終哈希函數(shù)，首先MLSH使用特征提取方法（如GIST、SIFT方法）得到特征矩陣，再利用典型相關(guān)分析和最小二乘法的等價形式把原來多標(biāo)簽數(shù)據(jù)投影到低維空間。然后，在低維空間，我們學(xué)習(xí)PCA投影矩陣和ITQ旋轉(zhuǎn)矩陣得到最終的二進制哈希碼，這種學(xué)習(xí)旋轉(zhuǎn)矩陣的方法不需要添加太多的計算量就可以大大提高方法效果。最終得到的哈希碼能夠很好的使用于ANN圖像搜索。另外，我們使用了MA