python - 对局部敏感哈希进行故障排除

Question

我正在使用深度神经网络库caffe来生成图像特征以进行基于图像的检索。我正在使用的特定网络生成 4096 维特征。

我正在使用LSHash从功能中生成哈希桶。当我对所有可用特征进行比较，按欧几里得距离对图像进行排序时，我发现这些特征很好地代表了图像的相似性。然而，当我使用 LSHash 时，我发现类似的功能很少出现在同一个存储桶中。

源特征是否太大而无法与 LSH 一起使用？在尝试对图像特征进行散列之前，是否有其他方法可以减小图像特征的尺寸？

Answer 1

如果您正在寻找智能降维，您可以简单地"InnerProduct"在您的网络顶部添加另一个具有较低输出维度的层。
要在不改变其余权重的情况下仅训练这一层，您可以将lr_mult所有层（除了新层）的值设置为零，从而仅训练（也称为“微调”）顶部的调光层。