User: Guest  Login
Original title:
Learning to Hash for Large-Scale Medical Image Retrieval
Translated title:
Erlernen des Hashing für die medizinische Bildsuche
Author:
Conjeti, Sailesh
Year:
2018
Document type:
Dissertation
Institution:
Fakultät für Informatik
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Wells, William III. (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin
TUM classification:
MED 230d; DAT 760d
Abstract:
Hashing is a popular approach for performing computationally efficient approximate nearest neighbor search by means of encoding data items into sequence of bits, such that the nearest neighbor search in the coding space is efficient and accurate. This thesis explores aspects of code-consistent training of hashing forests and deep learning models for end-to-end learning of hash codes and demonstrates that such hashing models can be leveraged to perform efficient and accurate large-scale content-b...    »
Translated abstract:
Hashing ist eine Methode zur laufzeit-effizienten Nearest-Neighbor- Suche, bei der man die Daten in einer Bitsequenz kodiert, so dass die Suche im Kodierungsraum effizient und präzise durchgeführt werden kann. Diese Dissertation untersucht Aspekte des code-konsistenten Trainings von Hashing Forests und Deep-Learning-Modellen für das end-to-end learning von Hashwerten und zeigt, dass diese Hashing-Modelle dazu genutzt werden können, effizientes und präzises inhaltsbasiertes Image Retrieval für me...    »
WWW:
https://mediatum.ub.tum.de/?id=1432984
Date of submission:
13.03.2018
Oral examination:
05.07.2018
File size:
20411709 bytes
Pages:
179
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20180705-1432984-1-7
Last change:
24.08.2018
 BibTeX