论文标题： Self-supervised Product Quantization for Deep Unsupervised Image Retrieval 

论文链接：https://arxiv.org/abs/2109.02244

代码链接：https://github.com/youngkyunJang/SPQ

作者单位：首尔大学

基于监督的深度学习哈希和矢量量化正在实现快速和大规模的图像检索系统。通过充分利用标签注释，与传统方法相比，它们实现了出色的检索性能。然而，为大量训练数据精确分配标签很费力，而且注释过程容易出错。为了解决这些问题，我们提出了第一个深度无监督图像检索方法，称为自监督乘积量化 (SPQ) 网络，它是无标签的并以自监督方式训练。我们设计了一个交叉量化对比学习策略，共同学习通过比较单独转换的图像（视图）来获得深度视觉描述符。我们的方法分析图像内容以提取描述性特征，使我们能够理解图像表示以进行准确检索。通过对基准进行广泛的实验，我们证明即使没有监督预训练，所提出的方法也能产生最先进的结果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除