面向大规模图像检索的哈希学习综述.pdfVIP

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

2025,36(1):79−106

[doi:

10.13328/ki.jos.007141]

[CSTR:

32375.14.jos.007141]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

面向大规模图像检索的哈希学习综述

123221

张雪凝,

刘兴波,

宋井宽,

聂秀山,

王少华,

尹义龙

1(山东大学

软件学院,

山东

济南

250101)

2(山东建筑大学

计算机科学与技术学院,

山东

济南

250101)

3(电子科技大学

计算机科学与工程学院,

四川

成都

611731)

通信作者:

刘兴波,

E-mail:

sclxb@;

尹义龙,

E-mail:

ylyin@

摘要:

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,

大规模图像检索的需求与日俱增.

哈希

学习为大规模图像检索提供显著的存储与检索效率,

并成为近年来一个研究热点.

现有哈希学习综述存在着时效

性弱与技术路线不清晰的问题,

即多总结5–10年前的研究成果,

且较少总结哈希学习算法各组成部分间的关联关

系.

鉴于此,

通过总结近20年公开发表的哈希学习文献,

对面向大规模图像检索的哈希学习进行系统的综述性研

究.

首先,

介绍哈希学习的技术路线和哈希学习算法的主要组成部分,

包括损失函数、优化策略及样本外扩展映射.

其次,

将面向图像检索的哈希学习算法分为无监督哈希方法和监督哈希方法两类,

并分别梳理每类方法的研究现

状和演化过程.

然后,

介绍哈希学习算法评估通用的图像数据集与评估指标,

并通过对比实验分析部分经典算法的

性能.

最后,

结合哈希学习的局限性与新挑战对其发展前景进行阶段性总结与展望.

关键词:

图像检索;

大规模数据;

近似最近邻检索;

哈希学习;

相似性保持

中图法分类号:

TP18

中文引用格式:

张雪凝,

刘兴波,

宋井宽,

聂秀山,

王少华,

尹义龙.

面向大规模图像检索的哈希学习综述.

软件学报,

2025,

36(1):

79–106.

/1000-9825/7141.htm

英文引用格式:

Zhang

XN,

Liu

XB,

Song

JK,

Nie

XS,

Wang

SH,

Yin

YL.

Survey

on

Hash

Learning

for

Large-scale

Image

Retrieval.

Ruan

Jian

Xue

Bao/Journal

of

Software,

2025,

36(1):

79–106

(in

Chinese).

/1000-9825/7141.htm

SurveyonHashLearningforLarge-scaleImageRetrieval

123221

ZHANG

Xue-Ning,

LIU

Xing-Bo,

SONG

Jing-Kuan,

NIE

Xiu-Shan,

WANG

Shao-Hua,

YIN

Yi-Long

1(School

of

Software,

Shandong

University,

Jinan

250101,

China)

2(School

of

Computer

Science

and

Technology,

Shandong

Jianzhu

University,

Jinan

250101,

Ch