chullhwan-song
commented
5 years ago 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
- to learn image representation from pixels
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
https://arxiv.org/abs/1511.03855