1、近些年來，人臉檢索技術(shù)已經(jīng)融入到國家安全、金融、民政、監(jiān)控等各個(gè)領(lǐng)域。一方面，隨著互聯(lián)網(wǎng)人臉圖片的爆炸式增長，如何從海量人臉數(shù)據(jù)中快速檢索出相關(guān)人臉已經(jīng)成為當(dāng)前亟需解決的難題，以哈希為代表的近似近鄰搜索方法得到廣泛關(guān)注和研究。另一方面，卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺等領(lǐng)域取得了驚人的性能。于是，深度哈希算法受到了研究者的青睞。
　　已有深度哈希算法往往存在著忽略二值化處理過程中帶來的數(shù)據(jù)分布變化、無法充分利用網(wǎng)絡(luò)特征提取能力促進(jìn)哈希函數(shù)

2、學(xué)習(xí)等問題，并且卷積神經(jīng)網(wǎng)絡(luò)需要昂貴的計(jì)算代價(jià)和巨大的參數(shù)存儲空間?；诖?，本文提出了基于分類和量化誤差的深度哈希算法，并進(jìn)一步地對深度網(wǎng)絡(luò)進(jìn)行壓縮，在保證網(wǎng)絡(luò)識別精度的同時(shí)，加快計(jì)算效率和減少參數(shù)存儲空間。最終，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)。本文的具體工作如下:
　　1)創(chuàng)新性地提出了基于深度哈希的人臉檢索算法。本文利用深度神經(jīng)網(wǎng)絡(luò)能夠有效學(xué)習(xí)圖像特征的優(yōu)勢，將深度網(wǎng)絡(luò)與哈希編碼進(jìn)行結(jié)合，通過分類誤差和量化誤差來直

3、接指導(dǎo)網(wǎng)絡(luò)的訓(xùn)練，最大程度地保持原始數(shù)據(jù)的聚類分布性并減少二值量化誤差，從而求得同時(shí)滿足檢索準(zhǔn)確性和實(shí)效性的哈希特征。本文將圖像特征學(xué)習(xí)、哈希函數(shù)學(xué)習(xí)以及分類器學(xué)習(xí)統(tǒng)一到一個(gè)端到端網(wǎng)絡(luò)結(jié)構(gòu)中，從深度哈希函數(shù)、目標(biāo)損失函數(shù)、以及針對性地層次特征融合三個(gè)方面對已有哈希算法進(jìn)行改進(jìn)，豐富的實(shí)驗(yàn)結(jié)果充分說明了方法的有效性。
　　2)利用深度壓縮算法壓縮提出的人臉檢索模型。隨著網(wǎng)絡(luò)模型在深度和寬度方面的不斷擴(kuò)展，模型的計(jì)算量和參數(shù)的存儲空間

4、呈幾何倍增長。本文利用已有的深度壓縮算法，從網(wǎng)絡(luò)剪枝、權(quán)重量化和共享以及最終的霍夫曼編碼三個(gè)方面實(shí)現(xiàn)對參數(shù)存儲的空間壓縮。在網(wǎng)絡(luò)精度無損的基本前提下，成功地在LeNet-5網(wǎng)絡(luò)、AlexNet網(wǎng)絡(luò)、VGG-16網(wǎng)絡(luò)以及本文提出的DHCQ網(wǎng)絡(luò)上實(shí)現(xiàn)了參數(shù)壓縮，最終取得了35-49倍的網(wǎng)絡(luò)壓縮比率。
　　3)設(shè)計(jì)并實(shí)現(xiàn)了互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)。該系統(tǒng)可以讓用戶便捷地瀏覽人臉檢索結(jié)果，并且會給出當(dāng)前檢索情況下具體的評價(jià)指標(biāo)MAP，方便用