《表3 以MAP和Precision@top100作为评估标准,在Image Net数据集上不同哈希方法的对比结果》

  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

《基于深度线性判别分析的哈希技术》

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

Image Net数据集的实验结果.由于FSDH方法需要编码的比特数高于数据的类别个数，而采用的Image Net子数据集有100类，所以在本部分中并未展示其结果.同时，考虑到时间效率，我们仅展示在有限的哈希编码长度上的对比结果.如表3所示（其中加粗表示本列最优结果，下划线表示次优结果），在MAP和Precision@top100上，DLDAH方法超过所有其他方法约1～5个百分点.进一步地，在图2中，本文也展示出不同方法在哈希查找评估中的表现.为了在具有更多类别时保持效果的稳定，在特定的汉明球中哈希编码应该更加有效.然而，哈希函数并不如预期的那样有效，它所生成编码的质量随着比特位数的增长而下降.这样的结果来自于低效的分类监督信息.相比之下，DLDAH方法在一定程度上能够在汉明空间中分离这些不同的类别，并学习到判别性较高的哈希编码.