《表5 本文方法与其他极光检索算法的MAP以及平均查询时间对比(s)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度哈希算法的极光图像分类与检索方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后将本文方法与其他几种极光图像检索算法（HE[14]，VLAD[15]，MAC[16]和MS-RMAC[17]）进行对比。表5为本文方法（bit=48）与其他几种算法的MAP以及平均查询时间对比。从性能来看，与基于传统SIFT特征的方法（HE和VLAD）相比，基于CNN特征检索方法（MAC，MS-RMAC以及本文方法）的MAP有明显提高，尤其是本文方法取得最高90.95%的MAP值，这得益于多尺度CNN特征融合和联合损失来训练。从效率来看，MAC和MS-RMAC是最耗时的，因为它们使用高维的CNN特征；相反，由于PCA对特征进行降维操作，VLAD获得了惊人的效率，HE模型紧随其后。而本文方法使用哈希算法和CNN结合将高维特征向量映射为低维紧凑的二值哈希码，达到了数据降维的作用，减少了检索时间。