博客

了解到哈希学习是在哈希编码阶段进行的，参考上一节

基于hash的ANN框架


哈希学习的目的是：学习一个复杂的哈希功能，y=h(x)，把一个输入点x映射成哈希码y，且满足q点的最近邻尽可能与实际结果相近，并且在编码空间的查询也是有效的。要满足这些要求，需考虑以下5个部分：

哈希函数、编码空间的相似性、输入空间的相似性、损失函数、优化技术。

一、哈希函数

哈希函数可以是基于线性的、核函数、球面函数、深度神经网络、无参函数。

1.线性哈希函数




当z>=0时，sgn(z)=1，当z<0时，sgn(z)=-1（或0）。w是映射向量，b是偏移量。

2.核哈希函数




st表示从数据集中随意获得的代表样本或者是数据集的聚类中心，wt表示权重。

3.无参哈希函数




常用于基于量化的方案，其中c1,c2…ck表示中心点，可由k-means等得到，y是正整数。