In this paper we introduce a novel hash learning framework that has two main distinguishing features, when compared to past approaches. First, it utilizes codewords in the Hamming space as ancillary means to accomplish its hash learning task. These codewords, which are inferred from the data, attempt to capture similarity aspects of the data's hash codes. Secondly and more importantly, the same framework is capable of addressing supervised, unsupervised and, even, semi-supervised hash learning tasks in a natural manner. A series of comparative experiments focused on content-based image retrieval highlights its performance advantages.
Robust Hashing for Multi-View Data: Jointly Learning Low-Rank Kernelized Similarity Consensus and Hash Functions
The University of Adelaide(阿德莱德大学);The University of New South Wales(新南威尔士大学)
学习散列函数/代码用于多视图数据的相似性搜索正吸引越来越多的关注,其中相似的散列代码被分配给表征跨视图的一致邻域关系的数据对象。这类传统方法存在三个固有的局限性:1)它们通常采用两阶段方案,首先构造相似性矩阵,然后是随后的哈希函数学习; 2)这些方法通常是在假设具有多种表示的数据样本是无噪声的基础上开发的,这在实际应用中是不切实际的; 3)由于使用数据库($O(N)$)中的所有$N$点构建邻域图,往往会导致训练模型繁琐。在本文中,我们激发的问题,联合和有效地训练强大的哈希函数的数据对象与多特征表示,可能是噪声破坏。为了实现鲁棒性和训练效率,我们提出了一种有效和高效地学习低秩核化\footnote{We use kernelized similarity rather than kernel, as it is not a squared symmetric matrix for data-landmark affinity matrix.}散列函数的方法。具体地说,我们利用地标图来构造易处理的多视图相似性矩阵,以自动发现数据中的邻域结构。为了学习鲁棒的哈希函数,使用潜在的低秩核函数来构造哈希函数,以适应线性不可分的数据。特别是,潜在的核相似性矩阵恢复多个基于核的相似性矩阵的秩最小化。在真实世界的多视图数据集上进行的大量实验验证了我们的方法在存在错误损坏的情况下的有效性。
Practical Hash Functions for Similarity Estimation and Dimensionality Reduction
University of Copenhagen(哥本哈根大学);SupWiz(SupWiz公司)
散列是机器学习的几个方面中采用的降维的基本工具。然而,性能分析通常是在使用真正随机的单位代价散列函数的抽象假设下进行的,而不关心使用哪种具体的散列函数。具体的散列函数可以在足够随机输入上工作良好。问题是,当面对更结构化的输入时,它在现实世界中是否值得信任。在本文中,我们专注于散列的两个突出应用,即Li等人的单排列散列(OPH)方案的相似性估计。[NIPS'12]和Weinberger等人的特征散列(FH)。[ICML'09],这两个都有许多应用,即LSH的近似近邻搜索和SVM的大规模分类。我们认为混合制表哈希Dahlgaard等人。[FOCS'15],它被证明在许多应用中,包括OPH,表现得像一个真正的随机散列函数。在这里,我们首先展示了使用真正随机散列的FH的改进的浓度范围,然后认为混合制表对稀疏输入的表现类似。然而,我们的主要贡献是在FH,OPH和LSH中使用不同哈希方案的实验比较。我们发现,混合制表散列几乎一样快的multiply-mod-prime方案ax+b mod p. multiply-mod-prime保证工作在足够随机的数据,但我们证明,在上述应用程序中,它可能会导致偏见和现实世界和合成数据的浓度差。我们还比较了流行的MurmurHash 3,它没有经过验证的保证。在我们的实验中,混合制表和MurmurHash 3的表现都类似于真正的随机哈希。然而,混合制表比Mu…