施鸿源，宋井宽，全成斌，赵有健

1(清华大学 计算机科学与技术系,北京 100084)

2(电子科技大学 未来媒体中心,成都 611731)

1 引 言

随着互联网上数据不断膨胀式地增长，如何准确且快速地分析海量数据，并在其中提取出想要的信息，成了一项十分具有挑战性的任务.在这些数据中，图像与视频数据又占据了绝大部分.因为视频检索问题能转化为图像检索问题，所以如何解决图像检索问题成了计算机视觉领域中一个重要的研究方向.

传统图像检索领域里的关键技术分为基于文本的图像检索技术(Text-based Image Retrieval，简称为TBIR技术)和基于内容的图像检索技术(Content-based Image Retrieval，简称CBIR技术)，近几年在深度学习发展与GPU计算能力逐渐提高的情况下，CBIR技术慢慢变成了图像检索领域的主流技术.

在数据集比较小的时候，CBIR可以通过某种特征提取方法将图片的像素特征直接提取出来，直接计算查询图像与数据集中图像之间的特征距离，并且按照距离的远近返回图像查询结果.这种方式的缺点是存储空间较大和速度较慢.为了解决在大数据时代下CBIR速度较慢与存储空间较大这两大问题，基于深度学习的哈希图像检索方法已经成为解决以上两个缺点的有效方法.

为了解决上述问题，本文提出了强化生成对抗哈希方法，该方法利用最新的生成对抗网络与最近邻相似度矩阵构造来实现无监督的深度学习，并在本文的模型中，提出了一个具有2层结构的判别器，分别用来识别(图像……