基于此，本文开展基于多特征融合哈希的大规模图像检索方法的研究。主要内容包括：
（1）本文提出了一种融合权重自适应的多特征融合哈希方法，该方法设计了一个统一的学习框架，能够快速自适应的融合多个图像特征，从而能够有效的进行大规模图像检索。具体来说，该方法首先利用神经网络提取图像的深度特征表示，然后通过一个自适应权重项，将多个特征进行有效的自动融合，提高哈希码的检索精度和优化速度。在公开的数据集上进行的大量实验证明，该方法具有比最新相关技术更优越的性能。
（2）本文提出了一种快速半监督多特征融合哈希方法，只需要对训练数据进行部分标记就能完成检索任务。具体来说，在获得深度特征表示后，该方法首先对有标记和无标记数据进行非线性变换，同时保留样本间的相似性；然后利用非对称监督学习，对于有标签数据学习强辨别力的哈希码，最后结合有标记数据和无标记数据学习哈希函数。在多个公共数据集上的实验结果证明了所提方法的优越性。
参考文献（略）
