دانلود مقاله انگلیسی رایگان:هش تقویت عمیق با حذف افزونه برای بازیابی موثر تصویر - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Deep reinforcement hashing with redundancy elimination for effective image retrieval Deep reinforcement hashing with redundancy elimination for effective image retrieval
    Deep reinforcement hashing with redundancy elimination for effective image retrieval

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Deep reinforcement hashing with redundancy elimination for effective image retrieval


    ترجمه فارسی عنوان مقاله:

    هش تقویت عمیق با حذف افزونه برای بازیابی موثر تصویر


    منبع:

    Sciencedirect - Elsevier - Pattern Recognition, 100 (2020) 107116. doi:10.1016/j.patcog.2019.107116


    نویسنده:

    Juexu Yang a , Yuejie Zhang a , ∗, Rui Feng a , Tao Zhang b , ∗, Weiguo Fan c


    چکیده انگلیسی:

    Hashing is one of the most promising techniques in approximate nearest neighbor search due to its time efficiency and low cost in memory. Recently, with the help of deep learning, deep supervised hashing can perform representation learning and compact hash code learning jointly in an end-to-end style, and obtains better retrieval accuracy compared to non-deep methods. However, most deep hashing methods are trained with a pair-wise loss or triplet loss in a mini-batch style, which makes them inefficient at data sampling and cannot preserve the global similarity information. Besides that, many existing meth- ods generate hash codes with redundant or even harmful bits, which is a waste of space and may lower the retrieval accuracy. In this paper, we propose a novel deep reinforcement hashing model with redun- dancy elimination called Deep Reinforcement De-Redundancy Hashing (DRDH), which can fully exploit large-scale similarity information and eliminate redundant hash bits with deep reinforcement learning. DRDH conducts hash code inference in a block-wise style, and uses Deep Q Network (DQN) to eliminate redundant bits. Very promising results have been achieved on four public datasets, i.e., CIFAR -10, NUS - WIDE, MS - COCO , and Open - Images - V 4, which demonstrate that our method can generate highly compact hash codes and yield better retrieval performance than those of state-of-the-art methods.
    Keywords: Deep reinforcement hashing | Redundancy elimination | Image retrieval | Block-wise hash code inference | Hash code mapping | Hash code de-redundancy


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 2344 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi