Resumen

La recuperación de imágenes turísticas ha atraído una atención creciente por parte de los investigadores. Principalmente, los métodos de hash profundo supervisado han mejorado significativamente el rendimiento de recuperación, los cuales toman características creadas a mano como entradas y mapean el vector de características binarias de alta dimensión para reducir la complejidad de búsqueda de características. Sin embargo, su rendimiento depende de las etiquetas supervisadas, pero hay poca información temporal y discriminativa etiquetada disponible en las imágenes turísticas. Este artículo propone un hash profundo mejorado para aprender códigos de hash mejorados para la recuperación de imágenes turísticas. Determina conjuntamente representaciones de imágenes y funciones de hash con redes neuronales profundas y simultáneamente mejora la capacidad discriminativa de los códigos de hash de imágenes turísticas con semántica refinada de la relación acompañante. Además, hemos ajustado la CNN para implementar el mapeo de hash de entrenamiento de extremo a extremo, calculando la distancia semántica entre dos muestras de los códigos binarios obtenidos. Experimentos en varios

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Recuperación de imágenes turísticas; Métodos de hash profundo; Etiquetas supervisadas; Información discriminativa; Redes neuronales profundas; Códigos hash
• Keywords:Tourist image retrieval; Deep hash methods; Supervised labels; Discriminative information; Deep neural networks; Hash codes