基于YOLO与自编码器的目标检测哈希图像检索方法研究

针对传统图像检索(IR)方法因包含背景冗余语义导致哈希码不精准的问题，研究人员提出基于YOLO V4目标检测和自编码器的ODH-IR方案。该方案通过提取图像核心对象特征生成哈希码，在MS COCO等数据集上取得35/36最佳指标，平均排名1.03，显著提升多标签图像检索精度。

　　

在多媒体数据爆炸式增长的时代，图像检索(Image Retrieval, IR)技术已成为从海量数据库中快速定位相似图像的关键工具。传统IR方法依赖人工提取的颜色、纹理等视觉特征，而深度学习虽能自动生成特征哈希码，却因包含背景冗余语义导致检索精度受限。现有基于全图像的哈希方法如DH-FFL、IDHN等，其加权平均精度(wMAP)、归一化折损累积增益(NDCG)等指标表现不佳，凸显了聚焦图像核心语义的重要性。

研究人员创新性地将目标检测与哈希编码相结合，提出ODH-IR方案。该方案采用YOLO V4精准定位图像中的核心对象，通过自编码器将检测到的对象特征向量压缩至目标哈希码长度，最终生成仅包含关键语义的二进制编码。在MS COCO、MIRFLICKR-25K和NUS-WIDE三大基准数据集测试中，该方法在36项指标测量中获得35项最优，平均排名达1.03，显著超越现有技术。

关键技术包括：1) YOLO V4实现实时多目标检测；2) 自编码器进行特征降维；3) 量化生成紧凑哈希码。研究通过对比实验验证，ODH-IR在ACG（累积增益）、NDCG^@50等指标上最高提升23.7%，且可视化案例显示其检索结果更符合语义相关性。

研究结果部分显示：《Preliminary》阐明YOLO V4检测边界框与自编码器降维的协同机制；《The proposed ODH-IR scheme》详述网络训练中采用的三阶段特征融合策略；《Experimental results》通过t-SNE可视化证明哈希码的类内聚集性优于基线模型；《Conclusion》指出该方法为医疗影像检索等需排除背景干扰的场景提供新思路。

这项发表于《Signal Processing: Image Communication》的研究，首次将目标检测先验知识引入哈希学习，解决了传统方法语义稀释的痛点。作者U?ur Erkan等通过严格的消融实验证实，仅采用检测对象特征可使wMAP提升18.2%。该成果为跨模态检索、自动驾驶图像理解等领域提供了可解释的特征编码范式，其代码已开源于GitHub平台。