Feature Learning based Deep Supervised Hashing with Pairwise Labels

[chullhwan-song]

https://arxiv.org/abs/1511.03855

[chullhwan-song]

Abstract

• for large-scale image retrieval
• hashing 기법 소개
• deep pairwise-supervised hashing (DPSH)라는 알고리즘 제안
  • pairwise label > metric learning > hash-code learning
  • feature & hash-code learning을 동시에 학습

contribution

• 3개의 요소를 가진 end-to-end learning framework
  • to learn image representation from pixels
    • 그냥 General한 CNN 구조를 가지는데..이미지를 처리..라서..?? ㅎ
    • image representation는 FC feature로 보이는듯. image -> conv -> fc
  • hash function to map the learned image representation to hash codes
    • image representation : 일종의 float vector로 추측되고 이를 hash code로 converion할 수 있는 hash function을 이용
  • a loss function to measure the quality of hash codes guided by the pairwise labels.
    • pairwise labels 즉, 한쌍의 라벨을 가진 hash code들(두개의 vector>hash)로 loss 측정
    • Siamese net기반 metric learning인듯

Notation and Problem Definition

• 본문에는 어려운데, 실제로는 간단?
• 해석해보면, vector를 (element-wise) sign function에 넣어 양수이면 1, 그렇지 않으면 -1
• hamming distance에 적용가능한 binary code
  
  • learned

Model and Learning

• pairwise label based supervised hashing methods
• pairwise-supervised hashing (DPSH) : feature & hash-code learning을 동시에 학습
• Fig.1에서 보듯이, Siamese net기반 metric learning
• fc 이후에, hash function을 가진 layer를 두고 이를 이용하여 loss 계산.
• 자세한 network 구조는 다음 table을 보면
  
• hash function 수식은
  
• loss
  • pairwise loss function
  • negative log-likelihood > binary code로 distance를 구하는 형태 l2인듯..
    

Experiment