我院智能感知与信息处理团队在SCI二区 Neural Computing and Applications 期刊上发表最新研究成果

我院“智能感知与信息处理”研究团队苏海、方健炜、余松森、杨欢（通讯作者）在SCI期刊Neural Computing and Applications（影响因子： 5.102 、中科院SCI 2 区、JCR：Q1）发表研究论文---《A deep hashing method of likelihood function adaptive mapping》，并于2022年 11 月 10 日在线发表，发表网址为： https://doi.org/10.1007/s00521-022-07962-3

该论文的主要工作为：

深度哈希方法被广泛应用在图像检索中，基于贝叶斯学习的深度哈希模型则是其主流方法。但当前基于贝叶斯学习的深度哈希模型受似然函数的影响，导致该类模型在单标签和多标签的图像检索环境下，分别出现分类跨域和极端学习的现象。为了减少这两种现象的出现，本文设计了一种似然函数自适应映射的深度哈希方法，名为（DAMH）。它能使梯度较低的样本重映射到似然函数梯度较高的新区域，从而扩大单标签数据所需的学习范围，使同类数据相聚集。并通过映射边界，防止多标签数据极端地收敛到某单一类别的汉明球内，以缓解多标签数据的极端学习现象。实验结果表明，与最新的方法对比，该模型在单标签数据集CIFAR-10和多标签数据集NUS-WIDE的测试结果综合最优，同时该模型以一种逐Batch优化的技巧，使其训练时能够快速地达到收敛状态。

撰稿：方健炜

审稿：苏海