作者 |陈勇
过去几年,基于哈希中心的深度哈希方法逐渐成为大规模图像检索的主流。这类方法通过为每个类别预设固定的哈希中心作为学习目标,避免了成对或三元组方法的高计算复杂度。然而,随机初始化的哈希中心往往忽略了类间语义关系。现有两阶段方法 SHC 通过引入与哈希函数训练分离的中心生成阶段,为哈希中心注入了语义。但其引入的额外复杂性、计算开销和阶段间偏差导致了次优性能。
近日,北京邮电大学、北京航空航天大学和中国电信等机构联合提出了一种新颖的端到端框架——中心重分配哈希(Center-Reassigned Hashing, CRH),它在训练哈希函数的同时,通过重分配动态地更新哈希中心。CRH 无需复杂的预训练或离线优化阶段,就能将语义关系无缝集成到中心学习过程中,显著提升了检索精度和语义一致性。该创新工作论文已被 AAAI 2026 收录,代码已开源,为哈希学习领域提供了新的思路和可复现基础。