Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Further Investigations for Documents Information Retrieval Based on DWT Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Neural Network Approach for Binary Hashing in Image Retrieval

verfasst von : Mohamed Moheeb Emara, Mohamed Waleed Fahkr, M. B. Abdelhalim

Erschienen in: Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Online and cloud storage has become an increasingly popular location to store personal data that led to raising the concerns about storage and retrieval. Similarity-preserving hashing techniques were used for fast storing and retrieval of data. In this paper, a new technique is proposed that uses both randomizing and hashing techniques in a joint structure. The proposed structure uses a Siamese-Twin architecture neural network that applies random projection on data before being used. Furthermore, Particle Swarm Optimization and Genetic Algorithms are used to fine-tune the Siamese-Twin neural network. The proposed technique produces a compact binary code with better retrieval performance than other hashing randomizing technique that varies from 2 % to 5 %.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Innovative Method for Key Frames Extraction in News Videos
Nächstes Kapitel An Integrated Smoothing Method for Fingerprint Recognition Enhancement
Literatur
1.
Gionis, A., Indyk, P., Motwani, R.: Similarity search in high dimensions via hashing. VLDB 99(6), 518–529 (1999)
2.
Kulis, B., Darrell, T.: Learning to hash with binary reconstructive embeddings. In: Advances in Neural Information Processing Systems, pp. 1042–1050 (2009)
3.
Norouzi, M., Fleet, D.J.: Minimal loss hashing for compact binary codes. In: mij, 1, p. 2 (2011)
4.
Lv, Q., Josephson, W., Wang, Z., Charikar, M., Li, K.: Multi-probe LSH: efficient indexing for high-dimensional similarity search. In: The 33rd International Conference on Very Large Data Bases, pp. 950–961. Endowment (2007)
5.
Bawa, M., Condie, T., Ganesan, P.: LSH forest: self-tuning indexes for similarity search. In: The 14th International Conference on World Wide Web, pp. 651–660. ACM (2005)
6.
Dong, W., Wang, Z., Josephson, W., Charikar, M., Li, K.: Modeling LSH for performance tuning. In: 17th ACM Conference on Information and Knowledge Management, pp. 669–678. ACM (2008)
7.
Liu, W., Wang, J., Kumar, S., Chang, S.F.: Hashing with graphs. In: Proceedings of the International Conference on Machine Learning, Bellevue, WA, USA, pp. 1–8 (2011)
8.
Gong, Y., Kumar, S., Verma, V., Lazebnik, S.: Angular quantization based binary codes for fast similarity search. In: Advances in Neural Information Processing Systems, Cambridge, MA, USA, vol. 25, pp. 1205–1213. MIT Press (2012)
9.
Norouzi, M., Fleet, D.J., Salakhutdinov, R.R.: Hamming distance metric learning. In: Advances in Neural Information Processing Systems, Cambridge, MA, USA, pp. 1070–107. MIT Press (2012)
10.
Weiss, Y., Torralba, A., Fergus, R.: Spectral hashing. In: Advances in Neural Information Processing Systems, pp. 1753–1760 (2009)
11.
Charikar, M.S.: Similarity estimation techniques from rounding algorithms. In: The Thiry-Fourth Annual ACM Symposium on Theory of Computing, pp. 380–388. ACM (2002)
12.
Chopra, S., Hadsell, R., LeCun, Y.: Learning a similarity metric discriminatively, with application to face verification. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005, vol. 1, pp. 539–546. IEEE (2005)
13.
Holland, J.H.: Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. University Michigan Press, Cambridge (1975)MATH
14.
Eberhart, R.C., Kennedy, J.: A new optimizer using particle swarm theory. In: The Sixth International Symposium on Micro Machine and Human Science, vol. 1, pp. 39–43 (1995)
15.
Grefenstette, J., Gopal, R., Rosmaita, B., Van Gucht, D.: Genetic algorithms for the traveling salesman problem. In: The First International Conference on Genetic Algorithms and Their Applications, pp. 160–168. Lawrence Erlbaum, New Jersey (1985)
16.
Wang, J., Liu, W., Kumar, S., Chang, S.F.: Learning to hash for indexing big data—a survey. IEEE 104(1), 34–57 (2016)CrossRef
Metadaten
Titel
A Neural Network Approach for Binary Hashing in Image Retrieval
verfasst von
Mohamed Moheeb Emara
Mohamed Waleed Fahkr
M. B. Abdelhalim
Copyright-Jahr
2017
Buch
Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Print ISBN: 978-3-319-48307-8

Electronic ISBN: 978-3-319-48308-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-48308-5_38