.png){kind=icon}
返回
Consistent and Specific Hashing for image set classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107462.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像集分类（ISC）随着信息技术的持续发展获得了广泛关注。不同于传统的单图像分类，ISC主要利用图像集来提升分类性能，而非单个图像，这能够有效利用集合中的更多信息来缓解各种外观变化。现有的多数ISC方法学习有效的实值潜在判别表示，但这可能带来较大的计算复杂度，从而直接影响大规模数据场景下的实际应用。近期，图像哈希因其低计算需求而作为一种有效解决方案出现。然而，现有的基于哈希的ISC方法往往忽略了图像集中的一致性和特异性属性，这使得难以探索不同集合之间的关系信息。为克服上述局限性，我们提出了一种新颖的具有一致性和特异性的哈希（CSH）方法用于ISC，能够有效挖掘不同集合中的语义信息。具体而言，我们首先构建Hadamard矩阵作为预计算的集合一致哈希码，以最大化不同集合之间的汉明距离。然后，我们学习整个集合中所有图像的样本特异哈希码。最后，我们提出一种哈希聚合策略以良好地保持集合内语义信息，从而使样本特异哈希码具有集合内紧凑性和集合间可分性。大量实验结果表明，与对比方法相比，我们提出的CSH在分类结果和运行时间方面均表现出优越的性能。
Keyword:
Image set classification
Sample-specific hash codes
Set-consistent hash codes
Hashing aggregation strategy
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
引用论文
分享收藏An elastic competitive and discriminative collaborative representation method for image classification.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏
查看更多内容