Minimal Loss Hashing for Compact Binary Codes
Minimal Loss Hashing for Compact Binary Codes
复制标题
DOI：
--
复制
发表时间：
2011-06
期刊：
影响因子：
--
通讯作者：
Mohammad Norouzi;David J. Fleet
中科院分区：
文献类型：
--
作者：
Mohammad Norouzi;David J. Fleet
我们提出了一种学习将高维数据映射到二进制码的保持相似性的哈希函数的方法。该公式是基于带有潜在变量和铰链状损失函数的结构化预测。对于大型数据集的训练是有效的，可以很好地扩展到较大的代码长度，并且性能优于最先进的方法。
We propose a method for learning similarity-preserving hash functions that map high-dimensional data onto binary codes. The formulation is based on structured prediction with latent variables and a hinge-like loss function. It is efficient to train for large datasets, scales well to large code lengths, and outperforms state-of-the-art methods.