原创力文档- 1、本文档共18页，其中可免费阅读6页，需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PAGE9
PAGE9
【摘要】近年来图像数据的爆发式增长使得大规模图像检索问题备受关注。与传统特征相比，哈希码所具有的更高的检索效率和更低的存储成本使得其在大规模的图像检索任务中变得越来越重要，特征哈希与深度学习结合的深度哈希技术已成为发展趋势。在当前使用深度哈希的图像检索任务中，有标签的判别模型取得了良好性能，然而实际应用场景中图像检索任务往往需要在无人工标签的数据集中进行，因此深度无监督哈希成为一个具有实际意义的问题。目前在更现实的无监督条件下的研究工作较少。在无监督深度哈希方法中，最具挑战性的问题是监督信息的匮乏。此外，现有研究构造相似度矩阵的方法无法更好地判
文档评论（0）