《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》
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.
图表编号 | XD00206619900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 胡迪、聂飞平、李学龙 |
绘制单位 | 西北工业大学光电与智能研究院、西北工业大学光电与智能研究院、西北工业大学光电与智能研究院 |
更多格式 | 高清、无水印(增值服务) |