Classificacao de objectos utilizando hashing supervisionado rapido

Este livro resume A principal preocupacao do hashing supervisionado e converter as caracteristicas originais em codigos binarios curtos que possam manter a semelhanca de etiquetas no espaco de Hamming.

Devido as suas fortes capacidades de generalizacao, as funcoes de hash nao-lineares tem-se mostrado superiores as lineares.

As funcoes Kernel sao frequentemente utilizadas na literatura para criar hashing nao-linear, o que resulta num desempenho de recuperacao encorajador, mas em longos tempos de avaliacao e treino.

Neste caso, sugerimos a utilizacao de arvores de decisao potenciadas, que sao rapidas de treinar e avaliar e, por isso, sao mais adequadas para o hashing com dados de elevada dimensao.

Como parte da melhoria continua, comecamos por sugerir formulacoes submodulares para o problema de inferencia de codigo binario de hashing, bem como uma tecnica eficaz de pesquisa de blocos baseada no Graph Cut para inferencia em grande escala.

Em seguida, treinamos arvores de decisao reforcadas para se adaptarem aos codigos binarios, a fim de aprender funcoes de hash.

As experiencias mostram que, em termos de precisao de recuperacao e duracao do treino, a nossa estrategia sugerida ultrapassa largamente a maioria dos metodos mais avancados.