摘要：准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希（Iterative Quantization,ITQ）和各向同性哈希（Isotropic Hash,Iso Hash）是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash算法缺乏对哈希编码的更新策略,降低了编码质量.针对上述问题,提出了一种各向同性的迭代量化哈希算法.该方法采用迭代的策略,对编码矩阵和旋转矩阵交替更新,并在正交约束的基础上增加各向同性约束来学习最优旋转矩阵,最小化量化误差.在CIFAR-10、22K Label Me和ANN-GIST-1M基准库上与多种方法进行对比,实验结果表明本文算法在查准率、查全率以及平均准确率均值等指标上均明显优于对比算法.

关键词：哈希 大规模图像检索 各向同性 迭代量化 

单位：江苏省大数据分析技术重点实验室; 江苏南京210044; 南京信息工程大学信息与控制学院; 江苏南京210044