论文方法总结

• SDH (监督离散哈希)

论文链接：Supervised Discrete Hashing - CVPR15 
直接贴损失函数： 
 
Y是标签，将哈希码映射到Y上来保持原始空间相似性信息，F（x）是将原始特征通过核函数进行一个非线性映射，具体来说就是先从n个样本中选出m个锚点（m<

这里还要注意一点，SDH没有对哈希码做松弛，采用离散循环坐标下降法求B，也就是哈希码在训练过程中一直是离散的（只取-1和1），目前来看离散哈希性能都会超过松弛方法的，因为松弛之后量化误差会变大。

主要思想： 
1. 通过将哈希码映射到 label 标签信息上，从而不需要通过计算相似性矩阵来将标签信息嵌入到哈希码生成过程当中; 
2. 不对离散约束进行松弛，直接使用DCC算法在离散约束下按位求解哈希码。

• DCH (监督离散哈希)

根据SDH设计的跨模态方法（作者都是和SDH同个实验室的）

• FSDH（快速监督离散哈希）

对SDH的一个小小的改进，把B和Y的位置换了一下，因为这样优化的时候不需要使用SDH用的DCC逐位哈希码优化方式，训练速度加快，但性能有所下降。通过在cifar数据集上的仿真实验表明性能并未下降太多，但是训练时间大大减短。