对局部敏感哈希进行故障排除

Question

我正在使用caffe，一个深度神经网络library，为基于图像的检索生成图像特征。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。

源功能是否太大而无法与 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少它们的维度？

Answer 1

如果您正在寻找智能降维，您只需在网络顶部添加另一个"InnerProduct" 层，输出维度较低。
要在不改变其余权重的情况下仅训练这一层，您可以将所有层（新层除外）的 lr_mult 值设置为零，从而仅训练（也称为“微调”）顶部的调光层。